TWI807346B - 尺寸計測裝置，半導體製造裝置及半導體裝置製造系統 - Google Patents

尺寸計測裝置，半導體製造裝置及半導體裝置製造系統 Download PDF

Info

Publication number
TWI807346B
TWI807346B TW110122512A TW110122512A TWI807346B TW I807346 B TWI807346 B TW I807346B TW 110122512 A TW110122512 A TW 110122512A TW 110122512 A TW110122512 A TW 110122512A TW I807346 B TWI807346 B TW I807346B
Authority
TW
Taiwan
Prior art keywords
contour
predetermined
size
movement
measurement object
Prior art date
Application number
TW110122512A
Other languages
English (en)
Other versions
TW202201151A (zh
Inventor
趙普社
大森健史
奥山裕
Original Assignee
日商日立全球先端科技股份有限公司
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 日商日立全球先端科技股份有限公司 filed Critical 日商日立全球先端科技股份有限公司
Publication of TW202201151A publication Critical patent/TW202201151A/zh
Application granted granted Critical
Publication of TWI807346B publication Critical patent/TWI807346B/zh

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • 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
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing 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
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/022—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by means of tv-camera scanning
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/028—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by measuring lateral position of a boundary of the object
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/507—Depth or shape recovery from shading
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing 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
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B2210/00—Aspects not specifically covered by any group under G01B, e.g. of wheel alignment, caliper-like sensors
    • G01B2210/56—Measuring geometric parameters of semiconductor structures, e.g. profile, critical dimensions or trench depth
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Manufacturing & Machinery (AREA)
  • Software Systems (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Mechanical Treatment Of Semiconductor (AREA)
  • Wire Bonding (AREA)
  • Length-Measuring Devices Using Wave Or Particle Radiation (AREA)

Abstract

本發明是在於提供一種不需要操作員的判斷，可自動地修正輪廓的偏離之尺寸計測裝置。 具備： 模型學習部(103)，其係取得學習用剖面畫像及在學習用剖面畫像的不同的區域附上的學習用標籤，利用學習用剖面畫像與學習用標籤來產生畫像區域分割用深層學習模型； 模型推定部(104)，其係將模型適用至新輸入的對象畫像，在獨立的區域各者附上標籤； 輪廓修正部(105)，其係利用對象畫像與在模型推定部附上的標籤來檢測出區域各者的輪廓，在區域的輪廓設定代表點，依照移動規則來移動代表點各者，重複代表點的移動至符合修正完成條件為止；及 尺寸計測部(106)，其係利用在輪廓修正部修正的輪廓來計測裝置剖面構造的尺寸。

Description

尺寸計測裝置，半導體製造裝置及半導體裝置製造系統
本發明是有關可依據藉由觀察裝置所取得的裝置(device)的剖面畫像來自動地計測裝置構造的尺寸之尺寸計測裝置、半導體製造裝置及半導體裝置製造系統。
在半導體製造製程開發中，需要從半導體裝置的剖面畫像取得形狀尺寸，自動尺寸計測技術被開發。在尺寸計測處理之中，為了決定計測始點與終點等的計測的位置，有檢測出計測對象區域的輪廓的處理。此輪廓檢測方法是有手動描繪境界線的方法、根據局部的亮度變化的邊緣檢測方法、及使用深層學習的檢測方法等。
哪個的輪廓檢測方法皆有檢測出的輪廓偏離實際的輪廓的可能性。因此，在從含此偏離的輪廓計測的裝置構造的尺寸產生誤差。為了減低此計測誤差，可思考修正檢測出的輪廓的處理為有效。
在專利文獻1是揭示：在被檢體的醫用畫像中所產生的輪廓設定可動點與基準點，按照可動點與基準點的位置關係來修正可動點，藉此修正輪廓之技術。 先前技術文獻 專利文獻
專利文獻1：日本特開2013-5983號公報
(發明所欲解決的課題)
若使用專利文獻1揭示的技術，則藉由手動一點一點的修正，可容易地修正輪廓。然而，就此技術而言，為了輪廓修正，需要對象區域的初期設定。在醫療關係的適用上，由於在畫像之中只含1個對象區域，因此有不需要初期設定的情況，但像半導體裝置的剖面畫像那樣具有複數的不同的對象區域的情況是無法修正。
又，專利文獻1揭示的技術是移動設定於輪廓的可動點而修正輪廓，但有關移動的方向、距離等、可動點的移動方法是需要藉由操作員來操作。因此，輪廓修正的效果是可想像仰賴操作員的主觀判斷，一旦修正處理耗時，則有依操作員經驗或主觀判斷而發生誤差的課題。
本發明的目的是在於解決上述的課題，提供一種在修正處理過程不需要操作員的判斷，可自動地修正輪廓的偏離之尺寸計測裝置及半導體製造裝置以及半導體裝置製造系統。 (用以解決課題的手段)
為了達成上述的目的，本發明是提供一種尺寸計測裝置，係利用畫像來計測計測對象的尺寸之尺寸計測裝置，其特徵為： 以前述計測對象的輪廓的預定的點為基礎，重複輪廓的移動至符合預定的要件為止，利用重複移動的輪廓來計測計測對象的尺寸，預定的要件為修正利用機械學習來推定的輪廓的偏離之要件。
本發明的尺寸計測裝置的輪廓的移動是在藉由機械學習來推定輪廓之後進行。 [發明的效果]
藉由修正從剖面畫像檢測出的輪廓，可提升自動尺寸計測處理的計測精度。
本發明的實施形態是具有尺寸計測裝置的電漿處理裝置。電漿處理裝置的尺寸計測裝置是具備處理器及記憶體的一般的電腦，亦可為按照程式來處理的軟體的安裝，或亦可不是一般的電腦，而是專用的硬體的安裝。
又，亦可在電腦中裝入專用的硬體，組合軟體的安裝與硬體的安裝而安裝。尺寸計測裝置是亦可外部連接，或作為與其他的資料處理兼用的模組外部連接。以下，利用圖面來說明有關各種的實施例。
另外，在本說明書中利用移動規則，但移動規則是有複數的規則。1個的規則是包含亮度輪廓(profiler)、對應於亮度輪廓的移動方向的判定條件、對應於亮度輪廓的移動距離的判定條件。尺寸計測裝置由作為對象的SEM畫像與材料或形狀的關係，可事前設定此移動規則。 亮度輪廓是用以從複數的規則選擇1個的適當的規則的資訊，移動方向是決定代表點朝向重心移動或離開重心，移動距離是決定移動代表點多少個的畫素。當無移動必要時是形成0。 實施例1
實施例1是具備尺寸計測裝置的半導體製造裝置的電漿處理裝置的實施例。
圖1所示的電漿處理裝置1是具有尺寸計測裝置10、輸出入裝置11、輸入裝置12、輸出裝置13、處理條件探索裝置14、處理裝置15及評價裝置16。
在電漿處理裝置1是選擇加工形狀等的目標處理結果及在處理裝置使用的參數，而從輸入裝置12輸入，輸出給予目標加工形狀的最適處理條件。
處理條件探索裝置14是從輸入裝置12受理目標加工形狀，將最適處理條件往輸出裝置13輸出的裝置。
輸入裝置12是具備：GUI等的輸入介面、及讀卡機等的記憶媒體讀出裝置，將各種的資料輸入至處理條件探索裝置14。並且，不僅從使用者，尺寸計測值也同樣從輸出入裝置11受理，輸入至處理條件探索裝置14。輸入裝置12是例如包含鍵盤、滑鼠、觸控面板、記憶媒體讀出裝置等。
輸出裝置13是以從處理條件探索裝置14交付的處理條件作為最適處理條件顯示給使用者。作為顯示的手段是往顯示器的顯示或往檔案的寫出等。輸出裝置13是例如包括顯示器、印表機、記憶媒體寫出裝置等。
處理裝置15是處理半導體或包含半導體的半導體裝置的裝置。處理裝置的處理的內容是不被特別加以限定。例如，包括光刻(lithography)裝置、成膜裝置、圖案加工裝置。光刻裝置是例如包含露光裝置、電子線描繪裝置、X線描繪裝置。成膜裝置是例如包含CVD(Chemical Vapor Deposition)、PVD(Physical Vapor Deposition)、蒸鍍裝置、濺射裝置、熱氧化裝置。圖案加工裝置是例如包含濕蝕刻裝置、乾蝕刻裝置、電子束加工裝置、雷射加工裝置。
處理裝置15是根據從加工條件探索裝置輸入的處理條件來進行半導體或半導體裝置的處理，交給評價裝置16。
評價裝置16是攝取在處理裝置15所被處理的半導體或半導體裝置的剖面，而取得處理結果的剖面的畫像17。評價裝置16是包含使用SEM(Scanning Electron Microscope)、TEM(Transmission Electron Microscope)、光學式監視器的加工尺寸計測裝置。亦可取出在處理裝置15被處理的半導體或半導體裝置的一部分作為片斷，將該片斷搬運至評價裝置16而計測。取得的剖面畫像17是被交給輸出入裝置11。
利用畫像來計測計測對象的尺寸的尺寸計測裝置10是以計測對象的輪廓的預定的點為基礎，重複輪廓的移動至符合預定的要件為止，利用重複移動的輪廓來計測計測對象的尺寸，預定的要件是修正利用機械學習所推定的輪廓的偏離的要件之尺寸計測裝置。
在此尺寸計測裝置中，輪廓的移動是藉由機械學習來推定輪廓之後進行。然後，利用藉由以重複移動的輪廓作為學習資料的機械學習所推定的輪廓來計測計測對象的尺寸。
計測對象的裝置的剖面構造的尺寸計測裝置是具備： 模型學習部，其係取得學習用剖面畫像及在學習用剖面畫像的不同的區域附上的學習用標籤，利用學習用剖面畫像與學習用標籤來產生模型； 模型推定部，其係將模型適用至對象畫像，在獨立的區域各者附上標籤； 輪廓修正部，其係利用對象畫像與在模型推定部所附上的標籤來檢測出區域各者的輪廓，在區域的輪廓設定代表點，將代表點各者依照移動規則，重複輪廓的移動至符合修正完成條件為止；及 尺寸計測部，其係利用藉由在輪廓修正部重複移動而修正的輪廓來計測裝置剖面構造的尺寸。
如圖1所示般，尺寸計測裝置10是具備中央處理部101及資料庫102，中央處理部101是具有作為進行機械學習的模型學習部、模型推定部、輪廓修正部、尺寸計測部的機能。中央處理部101是受理經由輸出入裝置11輸入的特徵點與尺寸的定義、倍率、學習用資料組與剖面畫像，從剖面畫像計測預定的尺寸，輸出至輸出入裝置11。
輸出入裝置11是具備GUI等的輸出入介面與讀卡機等記憶媒體讀出裝置，將特徵點與尺寸的定義、倍率、學習用資料組輸入至尺寸計測裝置10。並且，從評價裝置16接受剖面畫像，交給中央處理部101。輸出入裝置11是例如包含鍵盤、滑鼠、顯示器、觸控面板、記憶媒體讀出裝置等。並且，將從尺寸計測裝置10交付的尺寸值顯示給使用者，或直接轉送至輸入裝置12。顯示給使用者時，其手段是往顯示器的顯示或往檔案的寫出等。
圖2是表示尺寸計測裝置10的尺寸計測處理之一例的圖。尺寸計測裝置10的處理是包含模型學習部103、模型推定部104、輪廓修正部105、尺寸計測部106等地處理。
模型學習部103是利用被輸入的學習用SEM畫像與學習用標籤來產生畫像區域分割用的深層學習模型，往模型推定部104發送。學習用SEM畫像是在事前由使用者所準備者，例如，1280×960的灰色標度(gray scale)的畫素行列。準備的畫像的數量是可依據深層學習算法與深層網路的構造來決定。學習用標籤是使用者事前對學習用SEM畫像的各畫素附上者，例如為0、1、2之類的數字。
模型學習部103是將學習用剖面畫像與學習用標籤輸入至畫像分割的深層學習方法而產生深層學習模型，模型推定部是將此模型適用至對象畫像，附上標籤。
例如，如圖3所示般，當在SEM畫像有真空30、遮罩31、矽32的3個種類的區域時，分別使用數字0(真空)、數字1(遮罩)、數字2(矽)作為標籤來標明。在此於SEM畫像的獨立的區域的數量是不限於3個。各種類的區域有複數存在的可能性。此例是對於1張的SEM畫像產生1280×960的標籤行列，標籤的保存與輸出入的形式是可按照深層學習算法的要求。
模型推定部104是將在模型學習部103產生的學習模型適用至被輸入的SEM畫像，產生該畫像的標籤(例如1280×960的數字行列)，將該標籤發送至輪廓修正部105。
輪廓修正部105是從標籤資訊抽出獨立區域的輪廓，利用SEM畫像的亮度資訊來修正輪廓，將修正後的輪廓發送至尺寸計測部106。
此時，預先指定至少與1個的亮度輪廓對應的移動規則，輪廓修正部105是比較從通過移動的代表點和重心的直線所抽出的亮度輪廓與預先指定的亮度輪廓，適用對應於類似度最高的指定的亮度輪廓之移動規則。然後，輪廓修正部是從在模型推定部分割的獨立的區域抽出輪廓，依序輸出。尺寸計測部106是利用修正的輪廓來計算計測對象區域的寬度、高度、面積等的尺寸資訊而輸出。
使用圖3來說明輪廓修正效果。另外，在圖3是只顯示1280×960的SEM畫像的一部分。在本實施例的SEM畫像是有真空30.遮罩31、矽32的3個種類的區域。而且，針對遮罩種類，有複數的彼此未連接的獨立區域。包圍3個的遮罩區域的白色的線311、312、313是根據在模型推定部產生的標籤資訊來抽出的輪廓。作為偏離表示的是抽出的輪廓與實際的輪廓的差。輪廓修正部105的處理是如圖3的修正前的輪廓311與修正後的輪廓314所示般，修正輪廓偏離者。
另外，圖3的SEM畫像是有3個的種類的區域，但區域的種類的數量是不被限於3個，亦可為n個的種類的區域。亦即，學習用標籤是在對象畫像中有n個的不同的種類的區域時，藉由將n個的不同的數字附在對象畫像的各畫素來標明。
圖4是表示輪廓修正處理之一例的圖，以由初期輪廓、代表點設定、代表點移動、移動完了所組成的一連串處理來進行對於1個的遮罩區域的輪廓修正。亦即，根據在模型推定部104所產生的標籤資訊來抽出1個的遮罩的輪廓40。將此輪廓40稱為初期輪廓。如此輪廓40所示般，初期輪廓是偏離灰色顯示的實際的遮罩的輪廓。抽出1個的遮罩的輪廓這樣的單獨區域的輪廓的處理的必要性後述。又，抽出此單獨區域的輪廓的方法後述。
其次，為了輪廓修正，首先進行在初期輪廓設定複數的代表點41的代表點設定。修正中與修正完了的輪廓是由連接代表點41與代表點41的直線所組成。圖4的代表點設定是顯示12個的代表點，作為一例，但實際的代表點的數量是亦可更多。若比較以該等代表點與代表點之間的直線表示的輪廓和初期輪廓的輪廓40，則代表點越少，以代表點表示的輪廓越粗糙。另一方面，若代表點變多，則修正的處理時間會變長，有鄰接的代表點的位置關係混亂的可能性。實際的處理是亦可以預定間隔來設定代表點。預定間隔是可使用經驗值的5畫素或藉由使用者來調整。又，亦可隨機地選擇輪廓的全畫素數的預定的比例(例如25百分率)的輪廓畫素，作為代表點設定。
其次，為了代表點移動，利用設定的代表點來算出輪廓的重心。在此的重心是以代表點座標(x，y)的平均值計算。重心是之後的修正處理的重要的基準點，必須分別計算獨立區域各者的重心。為此，獨立區域的抽出為必要，為了獨立區域的抽出的畫像區域分割為必要。不畫像分割，直接檢測出輪廓(邊緣)的方法有很多，但在本實施例是進行區域分割處理。
如圖4的代表點移動所示般，輪廓修正是藉由移動各代表點41來進行。例如，沿著通過代表點P1與重心42的直線來移動P1。移動的目的是在於使代表點往實際的輪廓接近而修正偏離。然後依序移動代表點。例如，依P1、P2、P3、P4之類的順序來移動全部的代表點。為了將全部的代表點移動至最適的位置換言之實際的輪廓，而重複輪廓的移動處理。將最後的移動完了的結果的輪廓43顯示成圖4的移動完了。有關代表點的移動方向、移動距離的決定是後述。
圖5是表示輪廓修正的處理流程的例子的圖。被輸入至輪廓修正部的資料是將SEM畫像分割後的區域分割結果(S50)。在本實施例中，其結果是包含1280× 960的SEM畫像及1280×960的標籤的數字行列。標籤的可能的值是對應於圖3，為數字0(背景)、數字1(遮罩)、數字2(矽)。
首先，在輪廓檢測處理藉由標籤來檢測出屬於輪廓的畫素(S51)。在此，例如，檢測出1個的遮罩區域的獨立區域的輪廓而處理。由於從1個的SEM畫像抽出複數的獨立區域的輪廓，因此依序地進行1個1個修正處理。獨立區域的抽出方法後述。
輪廓修正部是藉由代表點各個的座標來計算輪廓的重心，藉由移動的代表點與重心的位置關係、及從通過移動的代表點與重心的直線抽出的亮度輪廓，來選擇移動規則，決定代表點的移動方法。並且，輪廓修正部是依照選擇的移動規則來決定移動方向，藉由亮度輪廓來選擇移動規則，依照選擇的移動規則決定移動距離。
以下，說明1個的獨立區域的輪廓修正處理。如前述的代表點設定的記載般，以等間隔(5畫素)來設定代表點(S52)。然後，藉由代表點的座標的平均來計算輪廓的重心(S53)。座標的單位為畫素，重心的座標是計算的平均值的四捨五入後的整數。選擇任意的1個的代表點。決定選擇的代表點的移動方向與移動距離(S55)，移動代表點(S56)。當有未移動的代表點時，選擇其次的代表點(S54)。
移動了所有的代表點時(S57)，判定是否符合修正完成條件，亦即停止條件(S58)。停止條件是以代表點的移動距離的和來判定。例如，若此次的代表點的移動距離的和，例如小於10畫素，則完成輪廓修正(S59)。當代表點的移動距離的和大於10畫素時，回到重心計算的步驟，再1次進行代表點移動。
圖6是表示輪廓檢測的處理流程的例子的圖。使用同圖，說明獨立區域的輪廓的抽出方法。接受區域分割結果(S60)，在標籤(1280×960的數字行列)之中，例如，從行列的左上依序檢查各畫素，檢測出數字不同的鄰接畫素作為輪廓(S61)。將所有的輪廓畫素設定成「未處理」狀態(S62)。從未處理的輪廓畫素取出任意的1個的畫素，設定成「處理中」狀態(S63)。
其次，若在所有的處理中的輪廓畫素的鄰接輪廓畫素中有未處理的輪廓畫素，則設定成「處理中」狀態(S64)。至所有的處理中的輪廓畫素的鄰接輪廓畫素中無未處理的輪廓畫素為止，重複此設定(S65)。其結果，可抽出包含最初取出的輪廓畫素的獨立區域的輪廓。
將抽出的獨立區域的輪廓資訊輸出至其次的前述代表點設定步驟，將輪廓狀態設定成「處理完了」(S67)。若有尚未處理的輪廓(S68)，則回到前面的步驟，其次抽出獨立區域的輪廓，若無則完了(S69)。
圖7是表示代表點移動的處理流程的例子的圖。由代表點設定的結果(S70)來計算重心(S71)。然後，依序移動代表點，但以下是說明1個的代表點(例如圖8的P1)的移動。
如圖8所示般，以代表點P1作為移動的代表點(S72)。沿著通過代表點P1與重心的直線，抽出亮度輪廓(S73)。抽出的亮度輪廓的長度是如圖8的點線所示般，為了包含實際的輪廓畫素而拉長設定。例如，對於P1，實際的輪廓是在P1與重心之間，但也有像P4或P5那樣實際的輪廓是在重心與代表點的延長線的情況。
將抽出的亮度輪廓與事前設定的亮度輪廓對照，選擇對應的移動規則(S74)。例如，亮度輪廓是如圖8 的亮度輪廓例1般，當重心畫素明亮時，移動方向是朝向90%重心亮度的畫素，移動距離是設為代表點與90%重心亮度的畫素的距離的0.25。例如，亮度輪廓是如圖8的亮度輪廓例2般，當重心畫素昏暗時，移動方向是朝向亮度最大值的畫素，移動距離是設為代表點與亮度最大值的畫素的距離的0.25。
另外，依據SEM畫像的特徵，其他的規則設定與參數設定也為可能。亮度輪廓的對照是可利用一般的畫像處理或訊號處理的圖案匹配方法。
依照移動規則來決定移動的方向與移動的距離(S75-S76)，移動代表點(S77)。然後，為了維持輪廓的良好的精度與連續性，而在代表點移動後進行代表點的插入與削除處理(S78)。例如，當移動的代表點與鄰接的代表點的距離為小於2畫素時，消除此代表點。當移動的代表點與鄰接的代表點的距離為大於10畫素時，在此代表點與鄰接代表點的正中間插入新的代表點(S79)。由於新的代表點是移動至其次的修正處理，因此在插入時即使偏離實際的輪廓也無妨。
將上述處理適用於所有的代表點，完成1次的輪廓修正(S80、S81)。
另外，代表點的移動方向是朝向亮度輪廓平滑後的亮度最大值的座標移動。又，代表點的移動距離是代表點與亮度輪廓平滑後的亮度最大值的距離的1/2。 實施例2
此實施例是說明有關形狀具有複雜的區域時的處理。沒有說明的部分是與實施例1相同。在本實施例中，模型推定部是在分割對象畫像之後，存在形狀複雜的區域時，利用物體檢測深層學習方法來將形狀複雜的區域分割成持有複數的單純形狀的區域。
在此，物體檢測深層學習方法是將學習用剖面畫像與持有單純形狀的物體的位置資訊輸入至深層學習方法，產生物體檢測模型，將該模型適用至被輸入的對象畫像，檢測出持有單純形狀的物體的位置，依據檢測出的物體的位置來分割前述形狀複雜的區域的輪廓。
圖9是表示將複雜的區域分成單純形狀的處理的例子的圖。如圖9的上段的形狀複雜的對象區域所示般，即使計算下面的矽的部分的重心，也無法好好地修正輪廓。有在代表點與重心之間具有複數的輪廓的可能性。相對於此，如分成圖9的下段的單純的形狀的結果所示般，分成單純的形狀，分別進行輪廓修正。
圖10是表示包含物體檢測部的尺寸計測裝置的例子的圖。物體檢測部107是利用學習用剖面SEM畫像與學習用物體位置的資訊，藉由深層學習方法來產生物體檢測模型。在此，以單純形狀作為物體定義。物體位置是表示各單純形狀的位置的座標(單位是畫素)。例如，可用包圍某單純形狀的長方形的左上的角與右下的角的座標來表示。具體的形式是按照物體檢測深層學習算法的要求。
將物體檢測模型適用至被輸入的SEM畫像，輸出所有的單純形狀的區域座標資訊。可組合該座標資訊與檢測出的獨立區域的輪廓，進一步分割複雜的區域的輪廓。然後，進行輪廓修正處理，使和其他的獨立區域相同。
本發明是不被限定於以上說明的實施例，包含各種的變形例。例如，上述的實施例是為了容易理解本發明而詳細說明者，並非是被限定於一定要具備說明過的所有的構成者。又，亦可針對各實施例的構成的一部分追加･削除･置換其他的實施例中所含的構成。
1:電漿處理裝置 10:尺寸計測裝置 101:中央處理部 102:資料庫 103:模型學習部 104:模型推定部 105:輪廓修正部 106:尺寸計測部 107:物體檢測部 11:輸出入裝置 12:輸入裝置 13:輸出裝置 14:處理條件探索裝置 15:處理裝置 16:評價裝置 17:畫像
[圖1]是表示各實施例的半導體製造裝置之一構成例的圖。 [圖2]是表示實施例1的尺寸計測處理之一例的圖。 [圖3]是表示實施例1的輪廓修正效果例的圖。 [圖4]是表示實施例1的輪廓修正處理例的圖。 [圖5]是表示實施例1的輪廓修正處理流程之一例的圖。 [圖6]是表示實施例1的輪廓檢測處理流程之一例的圖。 [圖7]是表示實施例1的代表點移動處理流程之一例的圖。 [圖8]是表示實施例1的亮度輪廓之一例的圖。 [圖9]是表示將實施例2的複雜的區域分成單純形狀的處理之一例的圖。 [圖10]是表示包含實施例2的物體檢測的尺寸計測處理之一例的圖。
10:尺寸計測裝置
103:模型學習部
104:模型推定部
105:輪廓修正部
106:尺寸計測部

Claims (16)

  1. 一種尺寸計測裝置，係利用畫像來計測計測對象的尺寸，其特徵為：以前述計測對象的輪廓的預定的點為基礎，重複前述輪廓的移動至符合預定的要件為止，利用前述重複移動的輪廓來計測前述計測對象的尺寸，利用前述預定的點的各個的點來求取前述輪廓的重心，藉由以前述移動的預定的點與前述重心的位置關係及通過前述移動的預定的點與前述重心的直線為基礎而求取的亮度輪廓，來選擇移動規則，前述預定的要件為修正利用機械學習來推定的輪廓的偏離之要件，前述移動規則為使前述預定的點移動的基準。
  2. 一種尺寸計測裝置，係利用畫像來計測計測對象的尺寸，其特徵為：以前述計測對象的輪廓的預定的點為基礎，重複前述輪廓的移動至符合預定的要件為止，利用前述重複移動的輪廓來計測前述計測對象的尺寸，前述預定的要件為修正利用機械學習來推定的輪廓的偏離之要件，前述計測對象被分割之後，當具有前述計測對象的複 雜的形狀的第一區域存在時，前述第一區域會被分割成具有前述計測對象的複數的單純的形狀的第二區域。
  3. 如請求項1或2記載的尺寸計測裝置，其中，前述輪廓的移動，係藉由機械學習來推定輪廓之後進行。
  4. 如請求項1或2記載的尺寸計測裝置，其中，利用藉由以重複前述移動的輪廓作為學習資料的機械學習所推定的輪廓來計測計測對象的尺寸。
  5. 如請求項1記載的尺寸計測裝置，其中，依照前述選擇的移動規則來決定前述預定的點的移動方向。
  6. 如請求項1記載的尺寸計測裝置，其中，依照前述選擇的移動規則來決定前述預定的點的移動距離。
  7. 如請求項5記載的尺寸計測裝置，其中，以對應於最類似於前述求取的亮度輪廓且預先求取的亮度輪廓之前述移動規則為基礎，使前述預定的點移動。
  8. 如請求項6記載的尺寸計測裝置，其中，以對應於最類似於前述求取的亮度輪廓且預先求取的亮度輪廓之前述移動規則為基礎，使前述預定的點移動。
  9. 如請求項1或2記載的尺寸計測裝置，其中，前述輪廓，係從被分割的前述計測對象的各個的區域求取。
  10. 如請求項2記載的尺寸計測裝置，其 中，依據藉由將前述計測對象的畫像輸入至利用學習用畫像與前述單純的形狀的位置的資訊所產生的模型而推定的前述單純的形狀的位置來分割前述第一區域的輪廓。
  11. 一種半導體製造裝置，係具備利用畫像來計測計測對象的尺寸之尺寸計測裝置，製造半導體裝置，其特徵為：藉由前述尺寸計測裝置，以前述計測對象的輪廓的預定的點為基礎，重複前述輪廓的移動至符合預定的要件為止，利用前述重複移動的輪廓來計測前述計測對象的尺寸，利用前述預定的點的各個的點來求取前述輪廓的重心，藉由以前述移動的預定的點與前述重心的位置關係及通過前述移動的預定的點與前述重心的直線為基礎而求取的亮度輪廓，來選擇移動規則，前述預定的要件為修正利用機械學習來推定的輪廓的偏離之要件，前述移動規則為使前述預定的點移動的基準。
  12. 一種半導體製造裝置，係具備利用畫像來計測計測對象的尺寸之尺寸計測裝置，製造半導體裝置，其特徵為：藉由前述尺寸計測裝置，以前述計測對象的輪廓的預定的點為基礎，重複前述輪廓的移動至符合預定的要件為 止，利用前述重複移動的輪廓來計測前述計測對象的尺寸，前述預定的要件為修正利用機械學習來推定的輪廓的偏離之要件，前述計測對象被分割之後，當具有前述計測對象的複雜的形狀的第一區域存在時，前述第一區域會被分割成具有前述計測對象的複數的單純的形狀的第二區域。
  13. 如請求項11或12記載的半導體製造裝置，其中，形成有前述半導體裝置的試料會被電漿處理。
  14. 一種半導體裝置製造系統，係具備：半導體製造裝置；及平台，其係經由網路來連接至前述半導體製造裝置，實行利用畫像來計測計測對象的尺寸之尺寸計測處理，其特徵為：前述尺寸計測處理，係具有：以前述計測對象的輪廓的預定的點為基礎，重複前述輪廓的移動至符合預定的要件為止之步驟；利用前述重複移動的輪廓來計測前述計測對象的尺寸之步驟，利用前述預定的點的各個的點來求取前述輪廓的重心之步驟；及藉由以前述移動的預定的點與前述重心的位置關係及通過前述移動的預定的點與前述重心的直線為基礎而求取 的亮度輪廓，來選擇移動規則之步驟，前述預定的要件為修正利用機械學習來推定的輪廓的偏離之要件，前述移動規則為使前述預定的點移動的基準。
  15. 一種半導體裝置製造系統，係具備：半導體製造裝置；及平台，其係經由網路來連接至前述半導體製造裝置，實行利用畫像來計測計測對象的尺寸之尺寸計測處理，其特徵為：前述尺寸計測處理，係具有：以前述計測對象的輪廓的預定的點為基礎，重複前述輪廓的移動至符合預定的要件為止之步驟；及利用前述重複移動的輪廓來計測前述計測對象的尺寸之步驟，前述預定的要件為修正利用機械學習來推定的輪廓的偏離之要件，前述計測對象被分割之後，當具有前述計測對象的複雜的形狀的第一區域存在時，前述第一區域會被分割成具有前述計測對象的複數的單純的形狀的第二區域。
  16. 如請求項14或15記載的半導體裝置製造系統，其中，前述尺寸計測處理，係設為前述平台所具備的應用程式實行。
TW110122512A 2020-06-22 2021-06-21 尺寸計測裝置，半導體製造裝置及半導體裝置製造系統 TWI807346B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
PCT/JP2020/024365 WO2021260765A1 (ja) 2020-06-22 2020-06-22 寸法計測装置、半導体製造装置及び半導体装置製造システム
WOPCT/JP2020/024365 2020-06-22

Publications (2)

Publication Number Publication Date
TW202201151A TW202201151A (zh) 2022-01-01
TWI807346B true TWI807346B (zh) 2023-07-01

Family

ID=79282212

Family Applications (1)

Application Number Title Priority Date Filing Date
TW110122512A TWI807346B (zh) 2020-06-22 2021-06-21 尺寸計測裝置，半導體製造裝置及半導體裝置製造系統

Country Status (6)

Country Link
US (1) US20230114432A1 (zh)
JP (1) JP7164716B2 (zh)
KR (1) KR102659861B1 (zh)
CN (1) CN114097067A (zh)
TW (1) TWI807346B (zh)
WO (1) WO2021260765A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023166748A1 (ja) * 2022-03-03 2023-09-07 東京エレクトロン株式会社 プロファイル検出方法及びプロファイル検出装置
WO2024053043A1 (ja) * 2022-09-08 2024-03-14 株式会社日立ハイテク 寸法計測システム、推定システム、および寸法計測方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW550376B (en) * 1998-09-18 2003-09-01 Zygo Corp Single-pass and multi-pass interferometry systems having a dynamic beam-steering assembly for measuring distance, angle, and dispersion
CN101266937A (zh) * 2007-03-14 2008-09-17 台湾积体电路制造股份有限公司 半导体制程的叠置偏移的量测
US7720632B2 (en) * 2007-06-21 2010-05-18 Hitachi, Ltd. Dimension measuring apparatus and dimension measuring method for semiconductor device
TW201237361A (en) * 2011-01-19 2012-09-16 Nova Measuring Instr Ltd Optical system and method for measuring in three-dimensional structures
JP2013005983A (ja) * 2011-06-27 2013-01-10 Hitachi Medical Corp 医用画像診断装置
JP2014026452A (ja) * 2012-07-26 2014-02-06 Hitachi High-Technologies Corp 半導体の輪郭線データを広視野化する画像処理装置、及びコンピュータプログラム
TW201510878A (zh) * 2013-06-24 2015-03-16 Hitachi High Tech Corp 計測裝置
US9142184B1 (en) * 2012-12-11 2015-09-22 The Mathworks, Inc. Speed function module and numerical minimization module for an active contour model
CN106482636A (zh) * 2015-08-31 2017-03-08 株式会社三丰 图像测量装置
US20170255112A1 (en) * 2016-03-01 2017-09-07 Asml Netherlands B.V. Method and apparatus to determine a patterning process parameter
TW201812275A (zh) * 2016-08-31 2018-04-01 美商克萊譚克公司 具有非等向性介電常數之半導體結構之基於模型之光學量測

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7221621B2 (en) * 2004-04-06 2007-05-22 College Of William & Mary System and method for identification and quantification of sonar targets in a liquid medium
JP5525528B2 (ja) * 2009-07-27 2014-06-18 株式会社日立ハイテクノロジーズ パターン評価方法、その装置、及び電子線装置
JP5460479B2 (ja) * 2010-06-21 2014-04-02 株式会社日立ハイテクノロジーズ パターン寸法測定装置及び輪郭線形成装置
JP5948074B2 (ja) * 2012-02-13 2016-07-06 株式会社日立ハイテクノロジーズ 画像形成装置及び寸法測定装置
US20160045841A1 (en) * 2013-03-15 2016-02-18 Transtar Group, Ltd. New and improved system for processing various chemicals and materials
JP5799273B2 (ja) * 2013-10-02 2015-10-21 パナソニックＩｐマネジメント株式会社 寸法計測装置、寸法計測方法、寸法計測システム、プログラム
US9996925B2 (en) * 2013-10-30 2018-06-12 Worcester Polytechnic Institute System and method for assessing wound
US10775165B2 (en) * 2014-10-10 2020-09-15 Hand Held Products, Inc. Methods for improving the accuracy of dimensioning-system measurements
CN108474647B (zh) * 2015-12-25 2020-08-04 松下知识产权经营株式会社 尺寸测量装置、包裹柜系统和尺寸测量方法
JP6147389B2 (ja) 2016-04-05 2017-06-14 株式会社牧野フライス製作所 工具寸法の測定装置
US11348269B1 (en) * 2017-07-27 2022-05-31 AI Incorporated Method and apparatus for combining data to construct a floor plan
US11601587B2 (en) * 2018-09-09 2023-03-07 Viewnetic Ltd. System and method for monitoring plants in plant growing areas
WO2021102291A1 (en) * 2019-11-21 2021-05-27 General Vibration Corporation Systems and methods for producing a pure vibration force from a synchronized dual array of eccentric rotating masses
US11037269B1 (en) * 2020-03-27 2021-06-15 Intel Corporation High-speed resume for GPU applications

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW550376B (en) * 1998-09-18 2003-09-01 Zygo Corp Single-pass and multi-pass interferometry systems having a dynamic beam-steering assembly for measuring distance, angle, and dispersion
CN101266937A (zh) * 2007-03-14 2008-09-17 台湾积体电路制造股份有限公司 半导体制程的叠置偏移的量测
US7720632B2 (en) * 2007-06-21 2010-05-18 Hitachi, Ltd. Dimension measuring apparatus and dimension measuring method for semiconductor device
TW201237361A (en) * 2011-01-19 2012-09-16 Nova Measuring Instr Ltd Optical system and method for measuring in three-dimensional structures
JP2013005983A (ja) * 2011-06-27 2013-01-10 Hitachi Medical Corp 医用画像診断装置
JP2014026452A (ja) * 2012-07-26 2014-02-06 Hitachi High-Technologies Corp 半導体の輪郭線データを広視野化する画像処理装置、及びコンピュータプログラム
US9142184B1 (en) * 2012-12-11 2015-09-22 The Mathworks, Inc. Speed function module and numerical minimization module for an active contour model
TW201510878A (zh) * 2013-06-24 2015-03-16 Hitachi High Tech Corp 計測裝置
CN106482636A (zh) * 2015-08-31 2017-03-08 株式会社三丰 图像测量装置
US20170255112A1 (en) * 2016-03-01 2017-09-07 Asml Netherlands B.V. Method and apparatus to determine a patterning process parameter
TW201812275A (zh) * 2016-08-31 2018-04-01 美商克萊譚克公司 具有非等向性介電常數之半導體結構之基於模型之光學量測

Also Published As

Publication number Publication date
CN114097067A (zh) 2022-02-25
JPWO2021260765A1 (zh) 2021-12-30
TW202201151A (zh) 2022-01-01
KR20220000896A (ko) 2022-01-04
WO2021260765A1 (ja) 2021-12-30
JP7164716B2 (ja) 2022-11-01
KR102659861B1 (ko) 2024-04-24
US20230114432A1 (en) 2023-04-13

Similar Documents

Publication Publication Date Title
US9858659B2 (en) Pattern inspecting and measuring device and program
US11663713B2 (en) Image generation system
TWI807346B (zh) 尺寸計測裝置，半導體製造裝置及半導體裝置製造系統
JP7004826B2 (ja) 寸法計測装置、寸法計測方法及び半導体製造システム
JP6872670B2 (ja) 寸法計測装置、寸法計測プログラム及び半導体製造システム
TW201504622A (zh) 圖案測定裝置，及半導體計測系統
US20200143099A1 (en) Wafer-to-design image analysis (wdia) system
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
JP4085635B2 (ja) 輪郭抽出方法及びその装置及びそのプログラム
CN110553581B (zh) 临界尺寸量测方法及用于量测临界尺寸的图像处理装置
JP2823450B2 (ja) 回路パターンの寸法測定方法
JP7062563B2 (ja) 輪郭抽出方法、輪郭抽出装置、及びプログラム
CN112215240B (zh) 一种提高2d复杂边缘检测精度的优化方法
US20230005157A1 (en) Pattern-edge detection method, pattern-edge detection apparatus, and storage medium storing program for causing a computer to perform pattern-edge detection
TW202137270A (zh) 影像分析系統及影像分析方法
JP4604582B2 (ja) パターン画像計測方法
JP2000207557A (ja) 位置ずれ量計測方法
TWI767458B (zh) 圖案匹配裝置、圖案測定系統及非暫態電腦可讀媒體
KR20240154557A (ko) 프로파일 검출 방법 및 프로파일 검출 장치
CN118644397A (zh) 图像处理方法、装置及计算机可读存储介质
JP2022070007A (ja) 構造物のひび割れの長さ特定方法
CN113554585A (zh) 影像分析系统及影像分析方法
CN110889822A (zh) 晶圆设计影像分析方法、系统与非暂态计算机可读取媒体
CN113296369A (zh) 用于光学临近修正的图形量测方法及装置
JPH08335270A (ja) 動きベクトル推定方法