WO2021145117A1 - 表面分析方法、表面分析装置 - Google Patents

表面分析方法、表面分析装置 Download PDF

Info

Publication number
WO2021145117A1
WO2021145117A1 PCT/JP2020/046547 JP2020046547W WO2021145117A1 WO 2021145117 A1 WO2021145117 A1 WO 2021145117A1 JP 2020046547 W JP2020046547 W JP 2020046547W WO 2021145117 A1 WO2021145117 A1 WO 2021145117A1
Authority
WO
WIPO (PCT)
Prior art keywords
image data
spectroscopic
space vector
spectroscopic image
pixel
Prior art date
Application number
PCT/JP2020/046547
Other languages
English (en)
French (fr)
Inventor
水村　通伸
Original Assignee
株式会社ブイ・テクノロジー
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 株式会社ブイ・テクノロジー filed Critical 株式会社ブイ・テクノロジー
Priority to US17/792,206 priority Critical patent/US20230049349A1/en
Priority to CN202080089473.7A priority patent/CN114846318A/zh
Publication of WO2021145117A1 publication Critical patent/WO2021145117A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/02—Details
    • G01J3/0205—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows
    • G01J3/0248—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows using a sighting port, e.g. camera or human eye
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/02—Details
    • G01J3/0205—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows
    • G01J3/0208—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows using focussing or collimating elements, e.g. lenses or mirrors; performing aberration correction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/02—Details
    • G01J3/0264—Electrical interface; User interface
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/02—Details
    • G01J3/0291—Housings; Spectrometer accessories; Spatial arrangement of elements, e.g. folded path arrangements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/02—Details
    • G01J3/0294—Multi-channel spectroscopy
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G01J3/2823—Imaging spectrometer
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B21/00—Microscopes
    • G02B21/0004—Microscopes specially adapted for specific applications
    • G02B21/0016—Technical microscopes, e.g. for inspection or measuring in industrial production processes
    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B21/00—Microscopes
    • G02B21/36—Microscopes arranged for photographic purposes or projection purposes or digital imaging or video purposes including associated control and data processing arrangements
    • G02B21/365—Control or image processing arrangements for digital or video microscopes
    • G02B21/367—Control or image processing arrangements for digital or video microscopes providing an output produced by processing a plurality of individual source images, e.g. image tiling, montage, composite images, depth sectioning, image comparison
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/32—Normalisation of the pattern dimensions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G01J3/2823—Imaging spectrometer
    • G01J2003/2826—Multispectral imaging, e.g. filter imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G01J2003/283—Investigating the spectrum computer-interfaced
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/8422—Investigating thin films, e.g. matrix isolation method
    • G01N2021/8438—Mutilayers

Definitions

  • the present invention relates to a surface analysis method and a surface analyzer.
  • Spectroscopic imaging is known as one of the surface analysis methods. This involves acquiring distribution data (spectral image data) in which spectral spectrum information is stored for each pixel using a spectroscopic camera (hyperspectral sensor, etc.) and analyzing the spectral spectrum information for each pixel to obtain a sample. It visualizes the distribution of contained substances and compositions (see, for example, Patent Document 1 below).
  • spectroscopic imaging is used in various fields such as substance analysis in biological samples, and statistical methods such as multivariate analysis are used for analysis of spectroscopic image data.
  • An effective method for visualizing spectroscopic image data is clustering of spectroscopic spectrum information. By displaying a group of spectral spectrum information pixels clustered in one classification in the same color, the analysis result by the spectroscopic image data is displayed. Can be visualized as a color image.
  • the present invention has been proposed to deal with such a problem. That is, it enables highly accurate analysis when visualizing the analysis result in spectroscopic imaging, and particularly enables clear visualization of the outline of a specific analysis target when performing analysis on a multilayer film-like sample. That is the subject of the present invention.
  • the present invention has the following configurations.
  • the step of acquiring spectroscopic image data of the sample surface and n wavelengths dispersed in a specific wavelength range in the acquired spectroscopic image data are extracted, and the spectra of each wavelength in the spectroscopic image data are obtained.
  • a surface analysis method comprising a step of identifying and displaying pixels for each of the classifications.
  • the surface analysis method includes a spectral image data acquisition step S1, an n-dimensional space vectorization step S2 for each pixel, a space vector normalization step S3, a clustering step S4, and an identification display. It has step S5.
  • the surface analyzer 1 for executing such a step includes a spectroscopic camera 20 that acquires spectroscopic image data on the surface of the sample W and an information processing unit that analyzes and processes the acquired spectroscopic image data. 30 and a display unit 40 for displaying the processing result of the information processing unit 30 are provided.
  • the surface analyzer 1 shown in FIG. 2 magnifies and recognizes a defective portion of the multilayer film substrate which is the sample W installed on the stage S, and the microscope 10 is installed on the spectroscopic camera 20 described above. Has been done.
  • the microscope 10 irradiates the surface Wa of the multilayer film substrate, which is the sample W, with white epi-illumination, and magnifies an image of a unit region (for example, a pixel region of the TFT substrate) in which a defect portion is recognized on the surface Wa.
  • a white light source 12 and its optical system for irradiating the surface Wa with an optical system such as an objective lens 11 and a tube lens 17.
  • the microscope 10 includes, if necessary, a monitor camera 15 for obtaining a monitor image of a magnified image of the surface Wa, an optical system (half mirror 16) for that purpose, and the like.
  • a slit 23 and a grating element (diffraction grating) 21 are arranged on the optical axis 10P of the optical system of the microscope 10, and the light reflected by the surface Wa is wavelength-separated, and the separated light is separated.
  • the spectral spectrum information of the enlarged image of the surface Wa is acquired for each pixel of the imaging surface 22a by the line spectroscopy method.
  • the spectroscopic image data acquisition step S1 in FIG. 1 the spectroscopic image data (spectral spectrum information for each pixel) of the surface Wa in the sample W is acquired by using the spectroscopic camera 20 described above.
  • the information processing unit 30 executes the n-dimensional space vectorization means 31 and the space vector normalization step S3, which are software for executing the n-dimensional space vectorization step S2 for each pixel described above. It is provided with the space vector normalization means 32 which is the software for executing the space vector normalization means 32, the clustering means 33 which is the software for executing the clustering step S4, and the identification display means 34 which is the software for executing the identification display step S5. There is. As a result, the input spectroscopic image data is visualized and output as display image data.
  • the n-dimensional space vectorization step S2 extracts n wavelengths dispersed in a specific wavelength range in the spectroscopic image data acquired in the spectroscopic image data acquisition step S1. Therefore, the spectrum of each wavelength in the spectroscopic image data is defined as an n-dimensional space vector.
  • the n-dimensional space vector is normalized to obtain the n-dimensional normalized space vector.
  • the normalization referred to here is a process of obtaining a unit vector whose length (norm) becomes 1 while maintaining the direction of the n-dimensional space vector, and the norm of the space vector with respect to the n-dimensional space vector. Multiply by the inverse of to obtain the unit vector of norm 1 (n-dimensional normalized space vector).
  • the clustering step S4 clusters the normalized n-dimensional space vector for each pixel into a specific number of classifications.
  • the number of classifications here is set according to the analysis target. For example, when extracting defective parts of a multilayer film substrate such as a TFT substrate, a specified number of classifications are set according to the structure of the TFT substrate, and a classification frame is defined in which items that do not correspond to the classification (unclassifiable) are entered. ..
  • FIG. 6 shows an example of the result of clustering the normalized spatial vector for each pixel by setting 15 classifications according to the structure of the TFT substrate, providing two classification frames in which unclassifiable can be entered. ,
  • the histogram of the number of pixels in each classification is shown by the difference from the histogram of the normal pattern.
  • a classification having a large difference from the histogram of a normal pattern can be recognized as a defect portion.
  • FIG. 7 shows a display example of the identification display step S5 that visualizes the result of the crystallizing step S4 described above.
  • the pixels clustered in each classification are visualized (image display) by adding contrast and color coding.
  • FIG. 7 (a) shows the result of clustering in which the n-dimensional space vector is normalized (normalized clustering)
  • FIG. 7 (b) shows the result of clustering the n-dimensional space vector without normalization (absolute value clustering). ).
  • the outline of the feature portion (for example, the defect portion) can be clearly visualized as shown in the figure.
  • the spectroscopic image data of the same sample surface is clustered in absolute value, as shown in FIG. 7 (b)
  • the interference of the light reflected inside the multilayer film is affected, and the characteristic portion is affected.
  • the outline of is blurred.
  • the surface analysis method or the surface analyzer according to the embodiment of the present invention, highly accurate analysis is performed when analyzing the featured portion of the surface by clustering and visualizing the acquired spectroscopic image data. be able to.
  • the outline of the defective portion can be clearly visualized, so that it is possible to realize highly accurate repair (laser correction) of the defective portion.
  • FIG. 8 shows a configuration example of the laser correction device 2 provided with the surface analysis device 1 described above.
  • the laser correction device 2 irradiates the defect portion recognized by the visualization of the information processing unit 30 described above with a laser beam to perform correction processing, and the laser beam L is coaxial with the optical axis of the microscope 10.
  • a laser irradiation unit 3 for irradiating light is provided.
  • the laser irradiation unit 3 includes, for example, a laser light source 53, a laser scanner 55, and the like, and the laser beam L emitted from the laser light source 53 passes through the mirror 54 and the galvano mirrors 55A and 55B of the laser scanner 55. It is incident on the optical system of the microscope 10 and is irradiated on the surface Wa of the unit region from which the magnified image obtained by the microscope 10 is obtained.
  • a switching mirror 18 is provided to enter / retract the optical axis of the microscope 10.
  • the spectroscopic camera 20 reflects light reflected from the surface Wa.
  • the surface analyzer 1 is operated, and the switching mirror 18 is retracted from the optical axis of the microscope 10 to enable the laser correction device 2 that irradiates the surface Wa with the laser beam L.
  • the information processing unit 30 determines the presence or absence of a defective portion, the position of the defective portion when there is a defective portion, and the like. Information is transmitted to the laser control unit 50.
  • the laser control unit 50 determines whether or not to perform laser correction based on the above-mentioned information transmitted from the information processing unit 30, and when performing laser correction, is based on the position information of the defective part and the like. Set the laser irradiation range and processing recipe.
  • the magnified image of the microscope 10 is also formed on the monitor camera 15, and the laser correction can be performed while observing the image captured by the monitor camera 15 on the display device 52. ing.
  • the two-dimensional image acquired by the monitor camera 15 is image-processed by the image processing unit 51 and transmitted to the laser control unit 50 and the information processing unit 30, and the two-dimensional image is also used by the laser irradiation unit 3. It is possible to control.
  • the defective portion of the multilayer film substrate W can be recognized in detail by the surface analysis device 1 with a clear outline, and the laser correction processing is set based on the recognized information. It can be performed. This enables high-quality correction processing that is not affected by the skill of the operator, and also enables highly efficient and high-quality correction processing by automating the process from defect recognition to processing.

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Optics & Photonics (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Mathematical Physics (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

分光イメージングにおける分析結果の可視化に際して、正確性の高い分析を可能にする。 表面分析方法は、分光カメラを用いて、試料表面の分光画像データを取得する工程と、取得した分光画像データにおける特定の波長範囲に分散するｎ個の波長を抽出して、分光画像データにおける各波長のスペクトルを画素毎にｎ次元の空間ベクトルとする工程と、画素毎の空間ベクトルを正規化する工程と、正規化された空間ベクトルを特定数の分類にクラスタリングする工程と、分類にクラスタリングされた画素を分類毎に識別表示する工程とを有する。

Description

表面分析方法、表面分析装置
　本発明は、表面分析方法及び表面分析装置に関するものである。
　表面分析の手法の一つとして、分光イメージングが知られている。これは、分光カメラ（ハイパースペクトルセンサなど）を用いて、画素毎に分光スペクトル情報が格納された分布データ（分光画像データ）を取得し、画素毎の分光スペクトル情報を解析することで、試料に含まれる物質や組成などの分布を可視化するものである（例えば、下記特許文献１参照）。
特開２０１６－１０２７６９号公報
　前述した分光イメージングは、生体試料中の物質分析など、各種の分野で利用されており、分光画像データの解析には、多変量解析などの統計手法が用いられている。分光画像データを可視化する上で有効な手法が、分光スペクトル情報のクラスタリングであり、一つの分類にクラスタリングされた一群の分光スペクトル情報の画素を同一色で表示することで、分光画像データによる分析結果をカラー画像として可視化することができる。
　このような分光画像データの可視化において、多層膜状の試料の表面状態を分析する場合に、分光カメラで取得した反射光の分光画像データをそのままクラスタリングすると、多層膜の内部で反射した光の干渉などが影響して、不正確な分析結果になってしまうことが確認された。
　特に、薄膜トランジスタ（thin film transistor，ＴＦＴ）などの多層膜基板における欠陥部の検知などを分光イメージングで行う場合、前述したように、多層膜の内部で反射した光の干渉などが影響して、欠陥部の輪郭が鮮明に可視化できない問題があった。
　本発明は、このような問題に対処するために提案されたものである。すなわち、分光イメージングにおける分析結果の可視化に際して、正確性の高い分析を可能にすること、特に、多層膜状の試料に対する分析を行う場合に、特定の分析対象の輪郭を鮮明に可視化できるようにすること、などが本発明の課題である。
　このような課題を解決するために、本発明は、以下の構成を具備するものである。
　分光カメラを用いて、試料表面の分光画像データを取得する工程と、取得した分光画像データにおける特定の波長範囲に分散するｎ個の波長を抽出して、前記分光画像データにおける各波長のスペクトルを画素毎にｎ次元の空間ベクトルとする工程と、画素毎の前記空間ベクトルを正規化する工程と、正規化された前記空間ベクトルを特定数の分類にクラスタリングする工程と、前記分類にクラスタリングされた画素を前記分類毎に識別表示する工程とを有することを特徴とする表面分析方法。
本発明の実施形態に係る表面分析方法の工程を示した説明図。 表面分析装置の構成を示した説明図。 情報処理部の機能を示した説明図。 ｎ次元空間ベクトル化工程を説明する説明図。 空間ベクトル正規化工程を説明する説明図。 クラスタリング工程を説明する説明図。 クラスタリングの可視化（識別表示）の例を示した説明図（（ａ）が正規化クラスタリング、（ｂ）が絶対値クラスタリング）。 表面分析装置を備えたレーザ修正装置の構成例を示した説明図。
　以下、図面を参照して本発明の実施形態を説明する。本発明の実施形態に係る表面分析方法は、図１に示すように、分光画像データ取得工程Ｓ１、画素毎のｎ次元空間ベクトル化工程Ｓ２、空間ベクトル正規化工程Ｓ３、クラスタリング工程Ｓ４、識別表示工程Ｓ５を有している。
　このような工程を実行するための表面分析装置１は、図２に示すように、試料Ｗの表面の分光画像データを取得する分光カメラ２０と、取得した分光画像データを分析処理する情報処理部３０と、情報処理部３０の処理結果を表示する表示部４０とを備えている。図２に示した表面分析装置１は、ステージＳ上に設置された試料Ｗである多層膜基板の欠陥部を拡大して認識するものであり、前述した分光カメラ２０に対して顕微鏡１０が設置されている。
　図２おいて、顕微鏡１０は、試料Ｗである多層膜基板の表面Ｗａに白色落射光を照射して、表面Ｗａにおいて欠陥部を認識する単位領域（例えば、ＴＦＴ基板の画素領域）の拡大像を得る光学顕微鏡であり、対物レンズ１１やチューブレンズ１７などの光学系を備えると共に、白色落射光を表面Ｗａに照射するための白色光源１２とその光学系（ミラー１３及びハーフミラー１４）を備えている。また、顕微鏡１０は、必要に応じて、表面Ｗａの拡大像のモニタ画像を得るためのモニタカメラ１５とそのための光学系（ハーフミラー１６）などを備えている。
　分光カメラ２０は、顕微鏡１０の光学系の光軸１０Ｐ上に、スリット２３とグレーティング素子（回折格子）２１を配置して、表面Ｗａにて反射される光を波長分離し、この分離された光を、リレーレンズ系２４を介して２次元カメラ２２の撮像面２２ａに結像し、ライン分光方式によって、表面Ｗａの拡大像の分光スペクトル情報を撮像面２２ａの画素毎に取得するものである。
　図１における分光画像データ取得工程Ｓ１は、前述した分光カメラ２０を用いて、試料Ｗにおける表面Ｗａの分光画像データ（画素毎の分光スペクトル情報）を取得する。
　情報処理部３０は、図３に示すように、前述した画素毎のｎ次元空間ベクトル化工程Ｓ２を実行するためのソフトウエアであるｎ次元空間ベクトル化手段３１、空間ベクトル正規化工程Ｓ３を実行するためのソフトウエアである空間ベクトル正規化手段３２、クラスタリング工程Ｓ４を実行するためのソフトウエアであるクラスタリング手段３３、識別表示工程Ｓ５を実行するためのソフトウエアである識別表示手段３４を備えている。これによって、入力された分光画像データを可視化して表示画像データとして出力する。
　情報処理部３０による各分析処理工程を説明すると、ｎ次元空間ベクトル化工程Ｓ２は、分光画像データ取得工程Ｓ１にて取得した分光画像データにおける特定の波長範囲に分散するｎ個の波長を抽出して、分光画像データにおける各波長のスペクトルをｎ次元の空間ベクトルとする。
　取得された分光画像データには、図４に示すように、２次元カメラ２２の撮像面２２ａの一つの画素Ｐ（Ｘｎ，Ｙｎ）毎に、一つの分光スペクトル情報が格納されている。この分光スペクトル情報の波長範囲から、例えばλ１＝４００ｎｍ、λｎ＝７００ｎｍの波長範囲を選択して、この波長範囲を（ｎ－１）個（例えば、ｎ＝２００）に分割し、ｎ個の波長（λ１～λｎ）成分を抽出し、波長（λ１～λｎ）と各波長における強度（Ｉ１～Ｉｎ）との組み合わせによってｎ次元の空間ベクトルを得る。
　そして、空間ベクトル正規化工程Ｓ３では、図５に示すように、ｎ次元の空間ベクトルを正規化して、ｎ次元の正規化空間ベクトルを得る。ここで言う正規化とは、ｎ次元空間ベクトルの方向を保ったまま、長さ（ノルム）が１になる単位ベクトルを得る処理であり、ｎ次元の空間ベクトルに対して、その空間ベクトルのノルムの逆数を掛けて、ノルム１の単位ベクトル（ｎ次元正規化空間ベクトル）を得る。
　クラスタリング工程Ｓ４は、正規化された画素毎のｎ次元の空間ベクトルを特定数の分類にクラスタリングする。ここでの分類の数は、分析対象に応じて設定される。例えば、ＴＦＴ基板などの多層膜基板の欠陥部を抽出する場合には、ＴＦＴ基板の構造に応じて規定数の分類が設定され、その分類に該当しないもの（分類不能）が入る分類枠を定める。
　クラスタリングには、機械学習によるＧＭＭ（Gaussian mixture models）法などを用いることができる。図６は、ＴＦＴ基板の構造に応じて１５個の分類を設定して、分類不能が入る分類枠を２個設け、画素毎の正規化された空間ベクトルをクラスタリングした結果の一例を示しており、ここでは、各分類に入る画素数のヒストグラムを正常なパターンのヒストグラムとの差分で示している。正常なパターンのヒストグラムとの差分が大きい分類を欠陥部と認識することができる。
　図７は、前述したクライスタリング工程Ｓ４の結果を可視化する識別表示工程Ｓ５の表示例を示している。ここでは、各分類にクラスタリングされた画素にコントラストや色分けを付して可視化（画像表示）を行っている。図７（ａ）がｎ次元の空間ベクトルを正規化したクラスタリングの結果（正規化クラスタリング）であり、図７（ｂ）がｎ次元の空間ベクトルを正規化すること無くクラスタリングした結果（絶対値クラスタリング）である。
　図７（ａ）に示した正規化クラスタリングを可視化した場合には、図示のように特徴部分（例えば、欠陥部）の輪郭を鮮明に可視化することができる。これに対して、同じ試料表面の分光画像データを絶対値クラスタリングした場合には、図７（ｂ）に示すように、多層膜の内部で反射した光の干渉などが影響を受けて、特徴部分の輪郭が不鮮明になる。
　このように、本発明の実施形態に係る表面分析方法或いは表面分析装置によると、取得した分光画像データをクラスタリングして可視化することで表面の特徴部分を分析するに際して、正確性の高い分析を行うことができる。特に、多層基板の欠陥部を識別表示する場合には、欠陥部の輪郭を鮮明に可視化することができるので、精度の高い欠陥部のリペア（レーザ修正）を実現することが可能になる。
　図８は、前述した表面分析装置１を備えたレーザ修正装置２の構成例を示している。レーザ修正装置２は、前述した情報処理部３０の可視化によって認識された欠陥部に対して、レーザ光を照射して修正加工を行うものであり、顕微鏡１０の光軸と同軸上にレーザ光Ｌを照射するレーザ照射部３を備えている。
　レーザ照射部３は、例えば、レーザ光源５３、レーザスキャナ５５などを備えており、レーザ光源５３から出射されたレーザ光Ｌは、ミラー５４とレーザスキャナ５５のガルバノミラー５５Ａ，５５Ｂを経由して、顕微鏡１０の光学系内に入射され、顕微鏡１０による拡大像が得られている単位領域の表面Ｗａ上に照射される。
　図示の例では、顕微鏡１０の光軸に進入・退避する切り替えミラー１８が設けられており、切り替えミラー１８を顕微鏡１０の光軸上に進入させることで、分光カメラ２０に表面Ｗａからの反射光を入射させて、表面分析装置１を動作させ、切り替えミラー１８を顕微鏡１０の光軸から退避させることで、レーザ光Ｌを表面Ｗａに照射するレーザ修正装置２を動作可能にしている。
　このような表面分析装置１を備えたレーザ修正装置２は、先ず、表面分析装置１を動作させることで、情報処理部３０が欠陥部の有無、欠陥部が有る場合の欠陥部の位置などの情報をレーザ制御部５０に送信する。レーザ制御部５０は、情報処理部３０から送信された前述の情報を基にして、レーザ修正を行うか否かの判断を行い、レーザ修正を行う場合には、欠陥部の位置情報などに基づいてレーザ照射範囲や加工レシピの設定を行う。
　また、図示の例では、顕微鏡１０の拡大像は、モニタカメラ１５にも結像されており、モニタカメラ１５が撮像した画像を表示装置５２で観察しながら、レーザ修正を行うことできるようになっている。この際、モニタカメラ１５が取得した２次元画像は、画像処理部５１で画像処理されてレーザ制御部５０や情報処理部３０に送信されており、この２次元画像によっても、レーザ照射部３の制御を行うことができるようになっている。
　このようなレーザ修正装置２によると、多層膜基板Ｗの欠陥部を、表面分析装置１によって鮮明な輪郭で詳細に認識することができ、この認識した情報を基にして、レーザ修正加工の設定を行うことができる。これにより、オペレータのスキルに影響されない高品質の修正加工が可能になり、また、欠陥部の認識から加工までを自動化して、高能率且つ高品質な修正加工を行うことができる。
　以上、本発明の実施の形態について図面を参照して詳述してきたが、具体的な構成はこれらの実施の形態に限られるものではなく、本発明の要旨を逸脱しない範囲の設計の変更等があっても本発明に含まれる。また、上述の各実施の形態は、その目的及び構成等に特に矛盾や問題がない限り、互いの技術を流用して組み合わせることが可能である。
１：表面分析装置，２：レーザ修正装置，３：レーザ照射部，
１０：顕微鏡，１０Ｐ：光軸，１１：対物レンズ，１２：白色光源，
１３：ミラー，１４，１６：ハーフミラー，１５：モニタカメラ，
１７：チューブレンズ，１８：切り替えミラー，
２０：分光カメラ，２１：グレーティング素子，
２２：２次元カメラ，２２ａ：撮像面，２３：スリット，
３０：情報処理部，３１：ｎ次元空間ベクトル化手段，
３２：空間ベクトル正規化手段，
３３：クラスタリング手段，３４：識別表示手段，
４０：表示部，５０：レーザ制御部，５１：画像処理部，５２：表示装置，
５３：レーザ光源，５４：ミラー，５５：レーザスキャナ，
５５Ａ，５５Ｂ：ガルバノミラー，
Ｓ：ステージ，Ｗ：試料（多層膜基板），Ｗａ：表面，Ｌ：レーザ光

Claims (4)

  1. 　分光カメラを用いて、試料表面の分光画像データを取得する工程と、
    　取得した分光画像データにおける特定の波長範囲に分散するｎ個の波長を抽出して、前記分光画像データにおける各波長のスペクトルを画素毎にｎ次元の空間ベクトルとする工程と、
    　画素毎の前記空間ベクトルを正規化する工程と、
    　正規化された前記空間ベクトルを特定数の分類にクラスタリングする工程と、
    　前記分類にクラスタリングされた画素を前記分類毎に識別表示する工程とを有することを特徴とする表面分析方法。
  2. 　前記試料表面がＴＦＴ基板の表面であり、
    　前記分類にクラスタリングされた画素によって欠陥部が識別表示されることを特徴とする請求項１記載の表面分析方法。
  3. 　試料表面の分光画像データを取得する分光カメラと、
    　前記分光画像データを分析処理する情報処理部と、
    　前記情報処理装置の処理結果を表示する表示部とを備え、
    　前記情報処理部は、
    　前記分光画像データにおける特定の波長範囲に分散するｎ個の波長を抽出して、前記分光画像データにおける各波長のスペクトルを画素毎にｎ次元の空間ベクトルとする手段と、
    　画素毎の前記空間ベクトルを正規化する手段と、
    　正規化された前記空間ベクトルを特定数の分類にクラスタリングする手段と、
    　前記分類にクラスタリングされた画素を前記表示部にて前記分類毎に識別表示する手段とを備えることを特徴とする表面分析装置。
  4. 　請求項３に記載の表面分析装置を用いて認識した欠陥部に対して、レーザ光を照射して修正加工を行うレーザ修正装置。
PCT/JP2020/046547 2020-01-14 2020-12-14 表面分析方法、表面分析装置 WO2021145117A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US17/792,206 US20230049349A1 (en) 2020-01-14 2020-12-14 Surface analysis method and surface analysis device
CN202080089473.7A CN114846318A (zh) 2020-01-14 2020-12-14 表面分析方法及表面分析装置

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020003757A JP7365047B2 (ja) 2020-01-14 2020-01-14 表面分析方法、表面分析装置
JP2020-003757 2020-01-14

Publications (1)

Publication Number Publication Date
WO2021145117A1 true WO2021145117A1 (ja) 2021-07-22

Family

ID=76864224

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/046547 WO2021145117A1 (ja) 2020-01-14 2020-12-14 表面分析方法、表面分析装置

Country Status (4)

Country Link
US (1) US20230049349A1 (ja)
JP (1) JP7365047B2 (ja)
CN (1) CN114846318A (ja)
WO (1) WO2021145117A1 (ja)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11118604A (ja) * 1997-10-13 1999-04-30 Disco Abrasive Syst Ltd 色判別システム及び形状認識システム
US5991699A (en) * 1995-05-04 1999-11-23 Kla Instruments Corporation Detecting groups of defects in semiconductor feature space
US20130322760A1 (en) * 2012-06-04 2013-12-05 Raytheon Company System and method for rapid cluster analysis of hyperspectral images
JP2014153371A (ja) * 2013-02-04 2014-08-25 V Technology Co Ltd レーザリペア装置
JP2018111855A (ja) * 2017-01-11 2018-07-19 株式会社ブイ・テクノロジー 配線修正装置および配線修正方法
JP2019186464A (ja) * 2018-04-16 2019-10-24 株式会社ブイ・テクノロジー 配線修正装置および配線修正方法
WO2020184024A1 (ja) * 2019-03-11 2020-09-17 株式会社ブイ・テクノロジー レーザリペア方法、レーザリペア装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5991699A (en) * 1995-05-04 1999-11-23 Kla Instruments Corporation Detecting groups of defects in semiconductor feature space
JPH11118604A (ja) * 1997-10-13 1999-04-30 Disco Abrasive Syst Ltd 色判別システム及び形状認識システム
US20130322760A1 (en) * 2012-06-04 2013-12-05 Raytheon Company System and method for rapid cluster analysis of hyperspectral images
JP2014153371A (ja) * 2013-02-04 2014-08-25 V Technology Co Ltd レーザリペア装置
JP2018111855A (ja) * 2017-01-11 2018-07-19 株式会社ブイ・テクノロジー 配線修正装置および配線修正方法
JP2019186464A (ja) * 2018-04-16 2019-10-24 株式会社ブイ・テクノロジー 配線修正装置および配線修正方法
WO2020184024A1 (ja) * 2019-03-11 2020-09-17 株式会社ブイ・テクノロジー レーザリペア方法、レーザリペア装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
FURUYA, ISAMU: "Hyperspectral camera that expands the possibilities of image analysis", IMAGE LABORATORY, vol. 30, no. 2, 4 February 2019 (2019-02-04), pages 74 - 81 *

Also Published As

Publication number Publication date
JP7365047B2 (ja) 2023-10-19
US20230049349A1 (en) 2023-02-16
JP2021110678A (ja) 2021-08-02
CN114846318A (zh) 2022-08-02

Similar Documents

Publication Publication Date Title
US7019296B2 (en) Near infrared chemical imaging microscope
US9366628B2 (en) Standardizing fluorescence microscopy systems
US20080074644A1 (en) Sample imaging and classification
EP1756645A1 (de) Vorrichtung und verfahren zur optischen auf- und/oder durchlichtinspektion von mikrostrukturen im ir
WO2021033417A1 (ja) 欠陥部認識装置及び欠陥部認識方法
WO2021161646A1 (ja) 欠陥検出装置、欠陥検出方法、欠陥修正装置
CN112714886B (zh) 显微镜系统、投影单元以及图像投影方法
WO2013080808A1 (ja) 画像処理装置、顕微鏡システム、画像処理方法、及び画像処理プログラム
JP5468805B2 (ja) 画像解析方法および画像解析装置
WO2021145117A1 (ja) 表面分析方法、表面分析装置
US9262667B2 (en) Image analysis method and image analysis apparatus
WO2023096971A1 (en) Artificial intelligence-based hyperspectrally resolved detection of anomalous cells
US20210247233A1 (en) Foreign matter analysis method, storage medium storing foreign matter analysis program, and foreign matter analysis apparatus
Picollo et al. Application of hyper-spectral imaging technique for colorimetric analysis of paintings
US9378434B2 (en) Image analysis method and image analysis device
WO2011046212A1 (ja) 画像解析方法および画像解析装置
JP2019060815A (ja) 自動ケミカルイメージ作成
JP5489541B2 (ja) 画像解析方法および画像解析装置
Septiana et al. Classification of elastic and collagen fibers in H&E stained hyperspectral images
US20230258918A1 (en) Digital microscope with artificial intelligence based imaging
US20220349803A1 (en) Method and apparatus for particle detection in turbid or clear medium
US8929639B2 (en) Image processing apparatus, image processing method, image processing program, and virtual microscope system
JP2024000342A (ja) フォトニックバンドイメージング装置、フォトニックバンドイメージング方法およびプログラム
JPH1139458A (ja) 画像入力装置
CN117546007A (zh) 信息处理装置、生物样本观察系统及图像生成方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20913323

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20913323

Country of ref document: EP

Kind code of ref document: A1