TWI736843B - 輪廓抽出方法、輪廓抽出裝置及非揮發性記錄媒體 - Google Patents

輪廓抽出方法、輪廓抽出裝置及非揮發性記錄媒體 Download PDF

Info

Publication number
TWI736843B
TWI736843B TW108105343A TW108105343A TWI736843B TW I736843 B TWI736843 B TW I736843B TW 108105343 A TW108105343 A TW 108105343A TW 108105343 A TW108105343 A TW 108105343A TW I736843 B TWI736843 B TW I736843B
Authority
TW
Taiwan
Prior art keywords
electron image
contour
outline
secondary electron
mentioned
Prior art date
Application number
TW108105343A
Other languages
English (en)
Other versions
TW202011255A (zh
Inventor
井田知宏
坂田幸辰
Original Assignee
日商東芝記憶體股份有限公司
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 日商東芝記憶體股份有限公司 filed Critical 日商東芝記憶體股份有限公司
Publication of TW202011255A publication Critical patent/TW202011255A/zh
Application granted granted Critical
Publication of TWI736843B publication Critical patent/TWI736843B/zh

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/26—Electron or ion microscopes; Electron or ion diffraction tubes
    • H01J37/261—Details
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/26—Electron or ion microscopes; Electron or ion diffraction tubes
    • H01J37/28—Electron or ion microscopes; Electron or ion diffraction tubes with scanning beams
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
    • H01J2237/22—Treatment of data
    • H01J2237/226—Image reconstruction
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
    • H01J2237/244—Detection characterized by the detecting means
    • H01J2237/24475—Scattered electron detectors
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
    • H01J2237/245—Detection characterised by the variable being measured
    • H01J2237/24571—Measurements of non-electric or non-magnetic variables
    • H01J2237/24578—Spatial variables, e.g. position, distance
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/02—Details
    • H01J37/22—Optical, image processing or photographic arrangements associated with the tube
    • H01J37/222—Image processing arrangements associated with the tube

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Length-Measuring Devices Using Wave Or Particle Radiation (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

實施形態係關於一種輪廓抽出方法、輪廓抽出裝置及非揮發性記錄媒體。 實施形態之輪廓抽出方法係自使用電子束所獲得之圖像抽出對象物之輪廓者，且包含如下步驟：自背向散射電子像抽出對象物之輪廓；製作將二次電子像與輪廓建立關聯之詞典，該二次電子像係於與背向散射電子像相同之部位獲得；針對新獲取之二次電子像，參照詞典，於新獲取之二次電子像之複數個位置算出對象物之輪廓之似然度；以及自複數個位置之中將似然度之總和最大之路徑設為對象物之輪廓。

Description

輪廓抽出方法、輪廓抽出裝置及非揮發性記錄媒體
實施形態係關於一種輪廓抽出方法、輪廓抽出裝置及非揮發性記錄媒體。
已知有一種自使用電子束而獲得之圖像抽出對象物之輪廓之技術。
實施形態提供一種能夠精度良好地抽出對象物之輪廓之輪廓抽出方法、輪廓抽出裝置及非揮發性記錄媒體。
實施形態之輪廓抽出方法係自使用電子束而獲得之圖像抽出對象物之輪廓者，且包含如下步驟：自背向散射電子像抽出上述對象物之輪廓；製作將二次電子像與上述輪廓建立關聯之詞典，該二次電子像係於與上述背向散射電子像相同之部位獲得；針對新獲取之二次電子像，參照上述詞典，於新獲取之上述二次電子像之複數個位置算出對象物之輪廓之似然度；以及自上述複數個位置之中將上述似然度之總和最大之路徑設為上述對象物之輪廓。
[相關申請案] 本申請案享有於2018年9月7日提出申請之日本專利申請號2018-167650之優先權之利益，該日本專利申請案之全部內容被引用至本申請案中。
以下，一面參照圖式一面對本發明詳細地進行說明。再者，本發明並不受下述實施形態限定。又，下述實施形態中之構成要素包含業者可容易地假定之要素、或實質上相同之要素。
[實施形態] 使用圖1~圖10對實施形態進行說明。
(輪廓抽出裝置之構成例) 圖1係表示實施形態之輪廓抽出裝置200之硬體構成之一例的方塊圖。
如圖1所示，輪廓抽出裝置200具有CPU(Central Processing Unit，中央處理單元)201、ROM(Read Only Memory，唯讀記憶體)202、RAM(Random Access Memory，隨機存取記憶體)203、顯示部204、及輸入部205。輪廓抽出裝置200中，該等CPU201、ROM202、RAM203、顯示部204、輸入部205經由匯流排線而連接。
CPU201使用作為電腦程式之輪廓抽出程式207進行對象物之輪廓之抽出。輪廓抽出程式207係能夠由電腦執行、具有記錄媒體之電腦程式產品，該記錄媒體包含用以進行輪廓抽出之複數個命令且能夠由電腦讀取。輪廓抽出程式207中，該等複數個命令使電腦執行輪廓之抽出處理。
顯示部204係液晶監視器等顯示裝置，基於來自CPU201之指示，而顯示對象物之輪廓等。輸入部205構成為具備滑鼠或鍵盤，由使用者輸入外部輸入之指示資訊(輪廓抽出所需之參數等)。向輸入部205輸入之指示資訊被送至CPU201。
輪廓抽出程式207儲存於ROM202內，經由匯流排線被載入至RAM203。圖1中，表示輪廓抽出程式207已被載入至RAM203之狀態。
CPU201執行被載入至RAM203內之輪廓抽出程式207。具體而言，於輪廓抽出裝置200中，按照由使用者自輸入部205進行之指示輸入，CPU201自ROM202內讀出輪廓抽出程式207並於RAM203內之程式儲存區域展開而執行各種處理。CPU201預先使執行該各種處理時產生之各種資料暫時記憶於RAM203內所形成之資料儲存區域。
由輪廓抽出裝置200執行之輪廓抽出程式207成為包含下述學習階段模組及實測階段模組之模組構成，將其等載入至主記憶裝置上，而於主記憶裝置上產生。
圖2係表示實施形態之輪廓抽出裝置200之軟體構成之一例的方塊圖。
如圖2所示，於輪廓抽出裝置200，以相互能夠進行通信之方式連接有電子像攝像裝置100。輪廓抽出裝置200與電子像攝像裝置100之間進行對象物之電子像、電子像之拍攝條件等之收發。
又，輪廓抽出裝置200構成為能夠接收設計資料300。設計資料300中包含對象物之輪廓為直線狀抑或曲線狀等與對象物所具有之輪廓相關之資訊。
輪廓抽出裝置200具備電子像獲取部211、輪廓抽出部212、圖案抽出部213、詞典製作部214、運算部215、及記憶部216，作為實現輪廓抽出裝置200之功能之構成。該等構成可藉由CPU201執行程式而實現，或者，亦可利用專用之硬體電路實現。又，記憶部216亦可由HDD(Hard Disk Drive，硬碟驅動器)等實現。
電子像獲取部211自電子像攝像裝置100獲取對象物之電子像。對象物之電子像有藉由檢測背向散射電子而獲得之背向散射電子像、及藉由檢測二次電子而獲得之二次電子像。背向散射電子像用於圖案抽出部213所進行之學習及圖案抽出。二次電子像被用作學習用或實測用。
輪廓抽出部212自藉由電子像獲取部211所獲取之背向散射電子像抽出對象物之輪廓。對象物之輪廓抽出係使用圖像識別技術等進行。
圖案抽出部213進行反覆性學習，即，將於與背向散射電子像相同之部位獲得之學習用二次電子像與自背向散射電子像抽出之輪廓進行比較。關於該學習，例如利用機器學習來進行。藉此，圖案抽出部213抽出表示自背向散射電子像抽出之輪廓與二次電子像之相關性之圖案。
詞典製作部214基於圖案抽出部213所抽出之圖案，製作將二次電子像與自背向散射電子像抽出之輪廓建立關聯之詞典，該背向散射電子像係於與該二次電子像相同之部位獲得。
運算部215參照詞典製作部214所製作之詞典，自實測用二次電子像抽出對象物之輪廓。
記憶部216記憶電子像獲取部211所獲取之各種電子像資料、設計資料300、自背向散射電子像抽出之輪廓資料、圖案抽出部213所抽出之圖案資料、詞典製作部214所製作之詞典資料、及運算部215所抽出之輪廓資料等。
(背向散射電子像及二次電子像) 此處，使用圖3對實施形態之輪廓抽出裝置200所使用之背向散射電子像及二次電子像進行說明。圖3係對實施形態之輪廓抽出裝置200所使用之背向散射電子像及二次電子像進行說明之模式圖。
如圖3所示，輪廓抽出之對象物係例如半導體基板等晶圓W上之構造。圖3中，對抽出嵌入至晶圓W上所形成之絕緣層(未圖示)之槽中之金屬配線LN之輪廓C之例進行說明。金屬配線LN可為例如形成於晶圓W上之半導體裝置之一部分。
背向散射電子像及二次電子像等電子像例如由測長用掃描型電子顯微鏡(CD-SEM：Critical Dimension Sccaning Erectron Microscope)、或缺陷檢測用掃描型電子顯微鏡(DR-SEM：Defect Review Sccaning Erectron Microscope)等電子像攝像裝置100拍攝。
具體而言，自電子像攝像裝置100所具備之電子槍朝向作為對象物之晶圓W照射電子束EB。此時，電子碰撞至晶圓W之表面，而自表面發射二次電子(Secondary Electron)SE。又，入射至晶圓W內之電子中，於晶圓W內被散射並再次向晶圓W外發射者即為背向散射電子(Back-Scattered Electron)BSE。電子像攝像裝置100中，利用檢測器DTR檢測該等二次電子及背向散射電子等，並獲得各自之電子像。
(輪廓抽出裝置之學習方法) 其次，使用圖4及圖5對輪廓抽出裝置200之學習方法進行說明。圖4係對利用實施形態之輪廓抽出裝置200進行之二次電子像與輪廓建立關聯之方法進行說明之圖。
圖4(a)係電子像獲取部211自電子像攝像裝置100獲取之背向散射電子像。與圖3之例相同，此處設為獲得了例如嵌入至晶圓上之絕緣層之槽中之金屬配線LN之背向散射電子像。金屬配線LN之背向散射電子像成為自上方觀察金屬配線LN所得之俯瞰像。
如圖4(b)所示，輪廓抽出部212自背向散射電子像抽出金屬配線LN之輪廓C(L)、C(R)。輪廓C(L)係金屬配線LN之寬度方向左端部之輪廓。輪廓C(R)係金屬配線LN之寬度方向右端部之輪廓。輪廓C(L)、C(R)可藉由使用圖像識別技術等將例如背向散射電子像中明暗之對比度最顯著地變化之位置規定為輪廓C(L)、C(R)之位置而抽出。
圖4(c)係電子像獲取部211自電子像攝像裝置100獲取之二次電子像。圖4(c)之二次電子像係於與圖4(a)之背向散射電子像相同之部位之金屬配線LN上獲取者，用於輪廓抽出裝置200中之學習。
根據圖4(b)及圖4(c)，如圖4(d)所示，獲得1個建立關聯資料，該建立關聯資料係將同一部位之輪廓C(L)、C(R)與二次電子像建立關聯而得。圖案抽出部213使用複數個此種建立關聯資料，反覆進行將同一部位之輪廓C(L)、C(R)與二次電子像進行比較之學習。此時，例如，自二次電子像抽出亮度或如亮度之一次微分值等般之定量值並取得其等之統計量，藉此能夠進行定量性且統計性比較。此種學習亦可使用例如機器學習來進行。藉此，圖案抽出部213藉由學習將輪廓C(L)、C(R)與二次電子像之相關性圖案化並抽出。
圖5係表示藉由實施形態之輪廓抽出裝置200之學習而獲得之詞典之一例的圖。
如圖5所示，詞典製作部214基於由圖案抽出部213所抽出之圖案，製作同一部位之輪廓C(L)、C(R)與二次電子像建立關聯而得之詞典D(L)、D(R)。詞典D(L)係關於金屬配線LN之寬度方向左端部之輪廓C(L)之詞典。詞典D(R)係關於金屬配線LN之寬度方向右端部之輪廓C(R)之詞典。
詞典D(L)具有將輪廓C(L)附近呈狹縫狀選取所得之二次電子像經圖案化後之圖像資料。圖像資料中，於呈狹縫狀被選取之圖像之中央，配置有沿相對於狹縫垂直之方向延伸之輪廓C(L)。
詞典D(R)具有將輪廓C(R)附近呈狹縫狀選取所得之二次電子像經圖案化後之圖像資料。圖像資料中，於呈狹縫狀被選取之圖像之中央，配置有沿相對於狹縫垂直之方向延伸之輪廓C(R)。
以如上方式製作之詞典D(L)、D(R)於自新獲取之實測用二次電子像抽出輪廓C(L)、C(R)時被參照。
(輪廓抽出裝置之輪廓抽出方法) 其次，使用圖6~圖9B對輪廓抽出裝置200之輪廓抽出之方法進行說明。圖6係說明實施形態之輪廓抽出裝置200之輪廓抽出之方法之概要的圖。
圖6(a)係電子像獲取部211自電子像攝像裝置100獲取之二次電子像。圖6(a)之二次電子像用於輪廓抽出之實測。此時，實測用二次電子像較理想為將電子像攝像裝置100之條件設為與學習時之二次電子像相同之條件而拍攝者。
如圖6(b)所示，運算部215參照詞典D(L)，針對圖6(a)之二次電子像之複數個位置算出輪廓得分(L)。輪廓得分(L)係表示二次電子像中之金屬配線LN之寬度方向左端部之輪廓類似性、亦即似然度之數值。輪廓得分(L)越高，則該位置與金屬配線LN之輪廓C(L)相符之可能性越高。
如圖6(c)所示，運算部215算出針對複數個位置所算出之輪廓得分(L)之總和最大之路徑，將該路徑設為輪廓C(L)。
如圖6(d)所示，運算部215參照詞典D(R)，針對圖6(a)之二次電子像之複數個位置算出輪廓得分(R)。輪廓得分(R)係表示二次電子像中之金屬配線LN之寬度方向右端部之輪廓類似性、亦即似然度之數值。輪廓得分(R)越高，則該位置與金屬配線LN之輪廓C(R)相符之可能性越高。
如圖6(e)所示，運算部215算出針對複數個位置所算出之輪廓得分(R)之總和最大之路徑，將該路徑設為輪廓C(R)。
使用圖7對輪廓得分之算出方法更詳細地進行說明。
圖7係對實施形態之輪廓抽出裝置200之輪廓得分之算出方法進行說明之圖。圖7表示算出二次電子像中之金屬配線LN之寬度方向左端部之輪廓得分(L)之例。
如圖7所示，運算部215於二次電子像上設定狹縫狀之框BX，該狹縫狀之框BX選取二次電子像之一部分。關於該框BX之形狀及尺寸，例如設定為與所製作之詞典D(L)之狹縫相同之尺寸。又，狹縫狀之框BX係以沿相對於所假定之輪廓C(L)之延伸方向垂直之方向延伸之方式設定。輪廓C(L)之延伸方向可根據輪廓抽出裝置200接收到之該金屬配線LN之設計資料300來推定。該例中，設定為於二次電子像上輪廓C(L)沿大致垂直方向延伸，框BX沿水平方向延伸。
如圖7(a)所示，運算部215將利用框BX所選取之二次電子像與詞典D(L)進行比較，算出該位置處之輪廓得分(L)。利用框BX所選取之二次電子像與詞典D(L)所具有之圖案越類似，則兩者間之相關度越高，算出之輪廓得分(L)之數值越高。於圖7(a)之例中，金屬配線LN之輪廓C(L)位於框BX之右端，所選取之二次電子像與詞典D(L)之圖案之相關度並不則高。該位置處之輪廓得分(L)例如算出為100。
如圖7(b)所示，運算部215使框BX之位置於框之延伸方向、亦即水平方向上偏移例如1像素，並算出此處之輪廓得分(L)。於圖7(b)之例中，金屬配線LN之輪廓C(L)位於框BX之大致中央，所選取之二次電子像與詞典D(L)之圖案之相關度相當高。該位置處之輪廓得分(L)例如算出為200。
如圖7(c)所示，運算部215使框BX之位置於水平方向上進而偏移1像素，並算出此處之輪廓得分(L)。於圖7(c)之例中，金屬配線LN之輪廓C(L)位於框BX之稍微偏左之位置，所選取之二次電子像與詞典D(L)之圖案之相關度稍高。該位置處之輪廓得分(L)例如算出為180。
如此，運算部215依序使框BX之位置於水平方向上以1像素為單位偏移，並算出該等位置處之輪廓得分(L)。亦即，運算部215於特定之水平位置上，例如自二次電子像之左端至右端依序算出輪廓得分(L)。於例如二次電子像之上端至下端之水平位置上重複該操作。
使用圖8對基於輪廓得分之路徑之決定進行說明。
圖8係對實施形態之輪廓抽出裝置200之路徑之決定方法進行說明之圖。圖8表示於二次電子像之複數個水平位置A~F具有運算部215算出之輪廓得分之框BX之一部分。圖8中之各個矩形表示框BX。框BX內之數值係該框BX所具有之輪廓得分。
如圖8所示，運算部215藉由在各水平位置A~F選擇特定之框BX，而決定二次電子像之自上而下之路徑R。
例如，於水平位置A，運算部215選擇具有最高輪廓得分(180)之中央之框BX。
於水平位置B，運算部215可自於水平位置A所選擇之框BX正下方之框BX及其左右各1個之框BX之中選擇下一個框BX。運算部215選擇水平位置B之該等3個框BX中具有最高輪廓得分(200)之右側之框BX。
於水平位置C，運算部215自於水平位置B所選擇之框BX正下方之框BX及其左右各1個之框BX之中選擇具有最高輪廓得分(170)之左側之框BX。
同樣地，運算部215於水平位置D選擇所能選擇之3個框BX中之中央之框BX(輪廓得分：180)，於水平位置E選擇所能選擇之3個框BX中之左側之框BX(輪廓得分：200)，於水平位置F選擇所能選擇之3個框BX中之右側之框BX(輪廓得分：170)。
運算部215將於各水平位置A~F如上所述般所選擇之框BX相連而決定路徑R。該路徑R係穿過於各水平位置A~F所能選擇之框BX之路徑中輪廓得分之總和最大之路徑。運算部215將該路徑R規定為輪廓。
以上，對抽出之輪廓為大致直線狀之情形進行了說明，但於輪廓具有曲線之情形時，亦能使用相同之方法。以下，對輪廓並非直線狀之情形之若干例進行說明。
圖9A及圖9B係對實施形態之輪廓抽出裝置200之框BX之設定方法進行說明之圖。運算部215於設定框BX時，根據設計資料300推測特定之對象物所具有之輪廓。設計資料300中包含晶圓上所形成之配線或接點等設計資訊。運算部215基於所推測之對象物之輪廓，以相對於該輪廓之延伸方向垂直地延伸之方式設定框BX之配置。
圖9A所示之輪廓C(L)、C(R)於局部具有彎曲部。於此種情形時，運算部215於輪廓C(L)、C(R)之直線部將框BX水平地設定。又，於輪廓C(L)、C(R)之彎曲部，運算部215以與輪廓C(L)、C(R)之曲線相應地使框BX傾斜且沿相對於曲線狀之輪廓C(L)、C(R)垂直之方向延伸之方式設定各框BX之配置。
圖9B所示之輪廓C(C)為圓環狀(圓形)。於此種情形時，運算部215以與輪廓C(C)之各部之曲線相應地使框BX傾斜且沿相對於圓環狀之輪廓C(C)垂直之方向延伸之方式設定各框BX之配置。藉此，各框BX配置成放射狀。
關於此後之輪廓得分之算出、基於輪廓得分之路徑之決定及輪廓之抽出，藉由運算部215利用與上述方法相同之方法進行。以此方式抽出之金屬配線或接點等之輪廓其後被評估線寬、接點直徑或輪廓之平滑性等形狀，並被運用於接下來之處理。
再者，對於推定對象物之輪廓時使用設計資料300作為表示對象物之輪廓之資料之例進行了說明，但並不限於此。作為表示對象物之輪廓之資料，例如，亦可使用自複數個背向散射電子像抽出之輪廓之資料。運算部215可根據自該等複數個背向散射電子像抽出之輪廓之形狀，推測對象物之輪廓。
又，用以推測輪廓之設計資料300亦可於藉由圖案抽出部213及詞典製作部214將二次電子像呈狹縫狀選取時被參照。
又，於上文中取嵌入至絕緣層之金屬配線為例，但輪廓抽出裝置200之上述方法不僅能應用於表面平坦之對象物，而且亦能應用於槽或孔之輪廓等具有凹凸之對象物。又，不僅能抽出晶圓上所形成之半導體裝置之輪廓，而且能抽出各種對象物之輪廓。
(輪廓抽出處理之例) 其次，使用圖10對利用輪廓抽出裝置200進行之輪廓抽出處理之例進行說明。圖10係表示藉由實施形態之輪廓抽出裝置200進行之輪廓抽出處理之順序之一例的流程圖。
如圖10所示，藉由輪廓抽出裝置200進行之輪廓抽出處理包括學習階段(步驟S103~S106)與實測階段(步驟S107~S109)。學習階段係獲取電子像並製作詞典為止之處理，利用上述輪廓抽出程式207中之學習階段模組來執行。實測階段係自以實測為目的之二次電子像實際地抽出輪廓之處理，利用上述輪廓抽出程式207中之實測階段模組來執行。
電子像獲取部211自電子像攝像裝置100獲取背向散射電子像、二次電子像等(步驟S101)。關於二次電子像，根據其用途不同而處理存在差異(步驟S102)。於所獲取之二次電子像用於實測之情形時，移行至步驟S107。
於所獲取之二次電子像用於學習之情形時，輪廓抽出部212自於與該二次電子像相同之部位拍攝之背向散射電子像抽出晶圓上之金屬配線等對象物之輪廓(步驟S103)。圖案抽出部213將所抽出之輪廓與二次電子像進行比較(步驟S104)。
反覆進行步驟S103~S105之處理(步驟S105：否(No)→步驟S103→步驟S104)，直至圖案抽出部213藉由反覆學習將輪廓與二次電子像之相關性圖案化並抽出為止。
若圖案抽出部213抽出圖案(步驟S105：是(Yes))，則詞典製作部214基於所抽出之圖案製作將輪廓與二次電子像建立關聯之詞典(步驟S106)。
於所獲取之二次電子像用於實測之情形時，輪廓抽出裝置200將獲取了該二次電子像之對象物之設計資料予以獲取(S107)。運算部215基於根據設計資料所推測之輪廓設定恰當之框，一面參照所製作之詞典一面算出二次電子像之複數個位置處之輪廓得分(步驟S108)。
運算部215自已算出輪廓得分之複數個位置之中，決定輪廓得分之總和最大之路徑，將其規定為對象物之輪廓(步驟S109)。
根據以上所述，藉由輪廓抽出裝置200進行之輪廓抽出處理結束。
(比較例) 為了抽出對象物之輪廓進行形狀評估，有時使用利用電子束而獲得之電子像。作為比較例之輪廓抽出方法，考慮使用背向散射電子像或二次電子像。
關於背向散射電子，對象物表面之帶電所產生之影響較少，容易獲得接近實像之電子像。又，於如絕緣層與金屬層般材質不同之層之交界處，能以明顯之對比度觀測輪廓。另一方面，背向散射電子因信號量較少且S/N比(Signal-to-Nosie ratio，信號雜訊比)較低，故而再現性較差。
二次電子可獲得信號量豐富且S/N比高、再現性優異之電子像。另一方面，二次電子容易受到帶電所產生之影響，存在所獲得之電子像與實像產生偏移之情形。因此，存在如下情況：對象物之輪廓模糊不清等，難以抽出精度較高之輪廓。
實施形態之輪廓抽出裝置200係製作將自二次電子獲得之二次電子像與自相同部位之背向散射電子像抽出之輪廓建立關聯之詞典，於進行實測時參照所製作之詞典自二次電子像抽出輪廓。藉此，可精度良好地抽出對象物之輪廓。
[實施例] 使用圖11A、圖11B及圖12對實施例進行說明。圖11A及圖11B係表示利用實施例及比較例所抽出之輪廓之位置的曲線圖。
成為對象之輪廓係嵌入至絕緣層之金屬配線之寬度方向上之兩端部。實施例之輪廓係利用與上述實施形態相同之方法抽出。比較例之輪廓設為自二次電子像獲得之亮度之一次微分值中之峰值。
曲線圖之橫軸係抽出了輪廓之二次電子像之水平方向之位置(X)。曲線圖之縱軸係自二次電子像獲得之亮度或亮度之一次微分值。曲線圖上之虛線表示利用實施例之方法所抽出之輪廓C(L)、C(R)之位置。
如圖11A所示，於表示金屬配線之左端部之實施例之輪廓C(L)之位置與比較例之輪廓C(L)'之位置可看到若干偏移。
如圖11B所示，於表示金屬配線之右端部之實施例之輪廓C(R)之位置與比較例之輪廓C(R)'之位置可看到較大之偏移。
圖12係表示利用實施例及比較例所抽出之輪廓之位置精度的圖。
於算出輪廓之位置精度時，將自背向散射電子像抽出之輪廓設為實際值。然後，基於與自背向散射電子像抽出之輪廓之偏移量(像素值)，算出輪廓之位置精度。圖12中之數值係取二次電子像及背向散射電子像114組資料之平均值而得者。
如圖12所示，關於左端部之輪廓之偏移量，實施例為0.45像素，比較例為0.47像素。雖然相差甚微但實施例勝出。關於右端部之輪廓之偏移量，實施例為0.41像素，比較例為0.54像素。實施例之精度遠高於比較例。
已對本發明之若干個實施形態進行了說明，但該等實施形態係作為示例而提出者，並非意圖限定發明之範圍。該等新穎之實施形態能以其他各種形態實施，且能夠於不脫離發明主旨之範圍內進行各種省略、替換、變更。該等實施形態或其變化包含於發明之範圍或主旨中，並且包含於申請專利範圍所記載之發明及其均等之範圍內。
100:電子像攝像裝置 200:輪廓抽出裝置 201:CPU 202:ROM 203:RAM 204:顯示部 205:輸入部 207:輪廓抽出程式 211:電子像獲取部 212:輪廓抽出部 213:圖案抽出部 214:詞典製作部 215:運算部 216:記憶部 300:設計資料 BSE:背向散射電子 BX:框 C:輪廓 C(L):輪廓 C(L)':輪廓 C(R):輪廓 C(R)':輪廓 D(L):詞典 D(R):詞典 DTR:檢測器 EB:電子束 LN:金屬配線 SE:二次電子 S101~S109:步驟 W:晶圓
圖1係表示實施形態之輪廓抽出裝置之硬體構成之一例的方塊圖。 圖2係表示實施形態之輪廓抽出裝置之軟體構成之一例的方塊圖。 圖3係對實施形態之輪廓抽出裝置所使用之背向散射電子像及二次電子像進行說明之模式圖。 圖4(a)~(d)係對利用實施形態之輪廓抽出裝置進行之二次電子像與輪廓建立關聯之方法進行說明之圖。 圖5係表示藉由實施形態之輪廓抽出裝置之學習而獲得之詞典之一例的圖。 圖6(a)~(e)係說明實施形態之輪廓抽出裝置之輪廓抽出之方法之概要的圖。 圖7(a)~(c)係對實施形態之輪廓抽出裝置之輪廓得分之算出方法進行說明之圖。 圖8係對實施形態之輪廓抽出裝置之路徑之決定方法進行說明之圖。 圖9A係對實施形態之輪廓抽出裝置之框之設定方法進行說明之圖。 圖9B係對實施形態之輪廓抽出裝置之框之設定方法進行說明之圖。 圖10係表示利用實施形態之輪廓抽出裝置進行之輪廓抽出處理之順序之一例的流程圖。 圖11A係表示利用實施例及比較例所抽出之輪廓之位置之曲線圖。 圖11B係表示利用實施例及比較例所抽出之輪廓之位置之曲線圖。 圖12係表示利用實施例及比較例所抽出之輪廓之位置精度之圖。
S101~S109:步驟

Claims (20)

  1. 一種輪廓抽出方法，其係自使用電子束所獲得之圖像抽出對象物之輪廓者，且該方法係 自背向散射電子像抽出上述對象物之輪廓， 製作將二次電子像與上述輪廓建立關聯之詞典，該二次電子像係於與上述背向散射電子像相同之部位獲得， 針對新獲取之二次電子像，參照上述詞典，於新獲取之上述二次電子像之複數個位置算出對象物之輪廓之似然度，且 自上述複數個位置之中將上述似然度之總和最大之路徑設為上述對象物之輪廓。
  2. 如請求項1之輪廓抽出方法，其中 自上述背向散射電子像及於與上述背向散射電子像相同之部位獲得之上述二次電子像進行反覆性學習而抽出圖案，該圖案表示自上述背向散射電子像抽出之上述輪廓及上述二次電子像之相關性， 於製作上述詞典時， 基於所抽出之上述圖案製作上述詞典。
  3. 如請求項2之輪廓抽出方法，其中 於抽出上述圖案時使用機器學習。
  4. 如請求項2之輪廓抽出方法，其中 於抽出上述圖案時， 使用基於自上述二次電子像抽出之亮度之統計量。
  5. 如請求項1之輪廓抽出方法，其中 於自上述背向散射電子像抽出上述對象物之輪廓時， 將明暗之對比度最顯著地變化之位置規定為上述輪廓之位置。
  6. 如請求項1之輪廓抽出方法，其中 根據表示上述對象物之輪廓之資料預測上述輪廓之直線部分與曲線部分， 基於上述預測，以於與上述輪廓相交之方向上並列之方式決定要算出上述似然度之上述複數個位置。
  7. 如請求項1之輪廓抽出方法，其中 上述對象物係 材質不同之物體彼此之交界、物體之凹部、或物體之凸部。
  8. 如請求項1之輪廓抽出方法，其中 上述對象物係嵌入至絕緣層之金屬。
  9. 一種輪廓抽出裝置，其係自使用電子束所獲得之圖像抽出對象物之輪廓者，且具備： 輪廓抽出部，其自背向散射電子像抽出上述對象物之輪廓； 詞典製作部，其製作將二次電子像與上述輪廓建立關聯之詞典，該二次電子像係於與上述背向散射電子像相同之部位獲得；以及 運算部，其針對新獲取之二次電子像，參照上述詞典，於新獲取之上述二次電子像之複數個位置算出對象物之輪廓之似然度，自上述複數個位置之中將上述似然度之總和最大之路徑設為上述對象物之輪廓。
  10. 如請求項9之輪廓抽出裝置，其 具備圖案抽出部，該圖案抽出部係自上述背向散射電子像及於與上述背向散射電子像相同之部位獲得之上述二次電子像進行反覆性學習而抽出圖案，該圖案表示自上述背向散射電子像抽出之上述輪廓及上述二次電子像之相關性， 上述詞典製作部係 基於所抽出之上述圖案製作上述詞典。
  11. 如請求項10之輪廓抽出裝置，其中 上述圖案抽出部使用機器學習來抽出上述圖案。
  12. 如請求項9之輪廓抽出裝置，其中 上述輪廓抽出部係 使用基於自上述二次電子像抽出之亮度之統計量而抽出上述對象物之輪廓。
  13. 如請求項9之輪廓抽出裝置，其中 上述運算部係 根據表示上述對象物之輪廓之資料預測上述輪廓之直線部分與曲線部分，並基於上述預測，以於與上述輪廓相交之方向上並列之方式決定要算出上述似然度之上述複數個位置。
  14. 一種非揮發性記錄媒體，其係儲存有程式且電腦能夠讀取者，該程式使電腦進行用以自使用電子束所獲得之圖像抽出對象物之輪廓之學習，且 上述程式使電腦執行如下處理： 自背向散射電子像抽出上述對象物之輪廓；以及 製作將二次電子像與上述輪廓建立關聯之詞典，該二次電子像係於與上述背向散射電子像相同之部位獲得。
  15. 如請求項14之非揮發性記錄媒體，其中 包含如下處理：自上述背向散射電子像及於與上述背向散射電子像相同之部位獲得之上述二次電子像進行反覆性學習而抽出圖案，該圖案表示自上述背向散射電子像抽出之上述輪廓及上述二次電子像之相關性， 於製作上述詞典之處理中， 基於所抽出之上述圖案製作上述詞典。
  16. 如請求項15之非揮發性記錄媒體，其中 於抽出上述圖案之處理中使用機器學習。
  17. 如請求項15之非揮發性記錄媒體，其中 於抽出上述圖案之處理中， 使用基於自上述二次電子像抽出之亮度之統計量。
  18. 如請求項14之非揮發性記錄媒體，其中 於自上述背向散射電子像抽出上述對象物之輪廓之處理中， 將明暗之對比度最顯著地變化之位置規定為上述輪廓之位置。
  19. 如請求項14之非揮發性記錄媒體，其中 上述對象物係 材質不同之物體彼此之交界、物體之凹部、或物體之凸部。
  20. 如請求項14之非揮發性記錄媒體，其中 上述對象物係嵌入至絕緣層之金屬。
TW108105343A 2018-09-07 2019-02-18 輪廓抽出方法、輪廓抽出裝置及非揮發性記錄媒體 TWI736843B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018-167650 2018-09-07
JP2018167650A JP7062563B2 (ja) 2018-09-07 2018-09-07 輪郭抽出方法、輪郭抽出装置、及びプログラム

Publications (2)

Publication Number Publication Date
TW202011255A TW202011255A (zh) 2020-03-16
TWI736843B true TWI736843B (zh) 2021-08-21

Family

ID=69719647

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108105343A TWI736843B (zh) 2018-09-07 2019-02-18 輪廓抽出方法、輪廓抽出裝置及非揮發性記錄媒體

Country Status (4)

Country Link
US (1) US10854419B2 (zh)
JP (1) JP7062563B2 (zh)
CN (1) CN110889417B (zh)
TW (1) TWI736843B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019012915A (ja) * 2017-06-30 2019-01-24 クラリオン株式会社 画像処理装置、画像変換方法
CN117036923B (zh) * 2023-10-08 2023-12-08 广东海洋大学 一种基于机器视觉的水下机器人目标检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120305767A1 (en) * 2010-02-09 2012-12-06 Yasutaka Toyoda Pattern Inspection Method, Pattern Inspection Program, and Electronic Device Inspection System
TW201506388A (zh) * 2013-06-24 2015-02-16 Hitachi High Tech Corp 圖案形狀評估裝置及方法
CN107292857A (zh) * 2016-04-13 2017-10-24 佳能株式会社 图像处理装置及方法和计算机可读存储介质

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4361661B2 (ja) * 2000-03-24 2009-11-11 富士通マイクロエレクトロニクス株式会社 線幅測定方法
JP4262690B2 (ja) 2005-03-16 2009-05-13 株式会社日立ハイテクノロジーズ 形状測定装置および形状測定方法
JP4778778B2 (ja) * 2005-11-04 2011-09-21 株式会社日立ハイテクノロジーズ 半導体デバイスのモニタリング方法およびモニタリング装置
JP4586051B2 (ja) * 2007-08-03 2010-11-24 株式会社日立ハイテクノロジーズ 走査型電子顕微鏡
JP4659004B2 (ja) * 2007-08-10 2011-03-30 株式会社日立ハイテクノロジーズ 回路パターン検査方法、及び回路パターン検査システム
CN101916381B (zh) * 2010-07-13 2012-06-20 北京大学 基于稀疏表示的物体轮廓提取方法
JP5683888B2 (ja) * 2010-09-29 2015-03-11 オリンパス株式会社 画像処理装置、画像処理方法、および画像処理プログラム
JP5584159B2 (ja) 2011-03-24 2014-09-03 株式会社日立ハイテクノロジーズ 荷電粒子線装置及びパターン測定方法
US9064328B2 (en) * 2011-10-14 2015-06-23 Ingrain, Inc. Dual image method and system for generating a multi-dimensional image of a sample
JP2016173615A (ja) * 2013-06-24 2016-09-29 株式会社日立ハイテクノロジーズ 計測装置
JP6281019B2 (ja) 2015-03-20 2018-02-14 株式会社日立ハイテクノロジーズ 電子線式パターン検査装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120305767A1 (en) * 2010-02-09 2012-12-06 Yasutaka Toyoda Pattern Inspection Method, Pattern Inspection Program, and Electronic Device Inspection System
TW201506388A (zh) * 2013-06-24 2015-02-16 Hitachi High Tech Corp 圖案形狀評估裝置及方法
CN107292857A (zh) * 2016-04-13 2017-10-24 佳能株式会社 图像处理装置及方法和计算机可读存储介质

Also Published As

Publication number Publication date
JP7062563B2 (ja) 2022-05-06
TW202011255A (zh) 2020-03-16
JP2020042936A (ja) 2020-03-19
CN110889417B (zh) 2024-08-09
US10854419B2 (en) 2020-12-01
CN110889417A (zh) 2020-03-17
US20200083019A1 (en) 2020-03-12

Similar Documents

Publication Publication Date Title
JP5075646B2 (ja) 半導体欠陥検査装置ならびにその方法
US20180247400A1 (en) Pattern-Measuring Apparatus and Semiconductor-Measuring System
JP2007129059A (ja) 半導体デバイス製造プロセスモニタ装置および方法並びにパターンの断面形状推定方法及びその装置
US11802763B2 (en) Pattern measurement device and computer program
TWI734720B (zh) 檢查晶圓之系統及方法
US20120076393A1 (en) Cd metrology system and method of classifying similar structural elements
JP5063551B2 (ja) パターンマッチング方法、及び画像処理装置
TWI736843B (zh) 輪廓抽出方法、輪廓抽出裝置及非揮發性記錄媒體
US9658063B2 (en) Method and device for line pattern shape evaluation
JP5094033B2 (ja) パターンマッチング方法、及びパターンマッチングを行うためのコンピュータープログラム
KR102350548B1 (ko) 웨이퍼 검사 방법
TWI539544B (zh) A pattern measuring device, an evaluation method of a polymer compound used in its own organized lithography technique, and a computer program
JP7490094B2 (ja) 機械学習を用いた半導体オーバーレイ測定
US20160379902A1 (en) Measurement apparatus, measurement method, and manufacturing method of semiconductor device
US20050061974A1 (en) Method of analyzing material structure using CBED
WO2015125504A1 (ja) パターン測定装置、及びコンピュータープログラム
CN104897706A (zh) 一种测量芯片或晶片表面结构的方法
TWI652446B (zh) Image analysis device and charged particle beam device
US10790200B2 (en) Wafer measurement apparatus, wafer measurement system, and method of manufacturing semiconductor device using the same
JP5478681B2 (ja) 半導体欠陥検査装置ならびにその方法
WO2012056639A1 (ja) パターンの判定装置、及びコンピュータプログラム
JP2019060806A (ja) パターン計測装置
JP2009188099A (ja) 欠陥分類装置、欠陥分類方法およびそのコンピュータ・プログラム