WO2024166609A1 - 欠陥分類装置及び欠陥分類方法 - Google Patents

欠陥分類装置及び欠陥分類方法 Download PDF

Info

Publication number
WO2024166609A1
WO2024166609A1 PCT/JP2024/000742 JP2024000742W WO2024166609A1 WO 2024166609 A1 WO2024166609 A1 WO 2024166609A1 JP 2024000742 W JP2024000742 W JP 2024000742W WO 2024166609 A1 WO2024166609 A1 WO 2024166609A1
Authority
WO
WIPO (PCT)
Prior art keywords
view
field
defect
adjacent
arbitrary
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
PCT/JP2024/000742
Other languages
English (en)
French (fr)
Inventor
英一 大▲美▼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toray Engineering Co Ltd
Tasmit Inc
Original Assignee
Toray Engineering Co Ltd
Tasmit Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toray Engineering Co Ltd, Tasmit Inc filed Critical Toray Engineering Co Ltd
Publication of WO2024166609A1 publication Critical patent/WO2024166609A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • 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

Definitions

  • This disclosure relates to a defect classification device and a defect classification method.
  • numerous circuit patterns are formed on the surface of a semiconductor wafer (substrate) by performing processes such as exposure, development, and etching on the surface of the semiconductor wafer.
  • the semiconductor wafer with the numerous circuit patterns formed on it is then diced into multiple chip components.
  • the diced chip components are packaged and then shipped as individual electronic components or incorporated into electrical products.
  • the surface of the semiconductor wafer is inspected for defects.
  • the defect detection is performed, for example, based on an inspection image captured by a camera connected to an optical microscope or a scanning electron microscope.
  • defect patterns are classified based on feature quantities such as the shape, size, and color of the defects. Examples of defect patterns include foreign objects and scratches.
  • defect patterns have been classified by visual inspection by an operator.
  • the classification results of defect patterns can vary depending on the operator's subjective judgment, making it impossible to classify defect patterns with a high degree of accuracy.
  • an automatic defect classification device (Automatic Defect Classification: ADC) is known that automatically classifies defect patterns that occur on the surface of a semiconductor wafer, as shown in Patent Document 1.
  • the semiconductor wafer to be inspected is usually larger than the field of view (imaging range) of the camera. Therefore, the semiconductor wafer is divided into multiple fields of view and images are captured by the camera, to obtain inspection images for each of the multiple fields of view. At this time, defects that occur on the semiconductor wafer may span multiple fields of view.
  • the defect pattern may not be classified accurately. For example, if only a small portion of a defect is captured on the outer periphery of that one field of view, the original features (shape, size, color, etc.) of the partially captured defect cannot be fully grasped, and therefore the defect pattern cannot be accurately identified.
  • This disclosure has been made in light of these points, and its purpose is to accurately classify defect patterns that occur in an object being inspected.
  • the defect classification device is a defect classification device that classifies the pattern of defects that have occurred in an object under inspection, in which the object under inspection is imaged so as to be divided into a plurality of fields of view that are adjacent to each other, and when the defect is included on the outer periphery of an arbitrary field of view that is one of the plurality of fields of view and the defect is included on the outer periphery of an adjacent field of view that is another field of view that is adjacent to the arbitrary field of view of the plurality of fields of view, the defect pattern is classified in a state in which the arbitrary field of view and the adjacent field of view are combined.
  • the arbitrary field of view and the adjacent field of view are adjacent to each other. If the outer periphery of the arbitrary field of view contains a defect and the outer periphery of the adjacent field of view contains a defect, the defect pattern is classified with the arbitrary field of view and the adjacent field of view combined.
  • defect patterns are classified with the arbitrary field of view and adjacent field of view combined, so even if a defect that has occurred in the object being inspected spans both the arbitrary field of view and adjacent field of view, the original features of the defect can be grasped.
  • the pattern of the defect is classified in a state where the arbitrary field of view and the adjacent field of view are combined.
  • the arbitrary field of view contains a defect on the outer periphery on the adjacent field of view side
  • the adjacent field of view contains a defect on the outer periphery on the arbitrary field of view side
  • a defect straddles both the arbitrary field of view and the adjacent field of view.
  • combining the arbitrary field of view and the adjacent field of view is advantageous in understanding the overall picture of the defect straddling both the arbitrary field of view and the adjacent field of view.
  • the arbitrary field of view is divided into a plurality of pixels
  • the adjacent field of view is divided into a plurality of the pixels
  • the presence or absence of defects on the periphery of each field of view can be more clearly defined by the presence or absence of defects in the pixels.
  • the pixel is composed of two values: a value indicating a state in which the defect is present and a value indicating a state in which the defect is not present.
  • each pixel By configuring each pixel as a binary value, it is possible to clearly determine whether or not each pixel contains a defect.
  • the adjacent visual field is located at least one of above, below, to the left, or to the right of the arbitrary visual field.
  • the arbitrary field of view is stored in a memory
  • the adjacent field of view is stored in the memory
  • the arbitrary field of view and the adjacent field of view are output from the memory
  • the pattern of the defect is classified in a state where the arbitrary field of view and the adjacent field of view are combined.
  • Each field of view is stored in memory only if it contains a defect on its periphery, so the burden on the memory is low.
  • the defect classification method is a defect classification method for classifying a pattern of defects that have occurred in an object to be inspected, in which the object to be inspected is imaged so as to be partitioned into a plurality of fields of view that are adjacent to each other, and when the defect is included on the outer periphery of an arbitrary field of view that is one of the plurality of fields of view and the defect is included on the outer periphery of an adjacent field of view that is another field of view that is adjacent to the arbitrary field of view among the plurality of fields of view, the pattern of the defect is classified in a state in which the arbitrary field of view and the adjacent field of view are combined.
  • FIG. 1 shows a schematic diagram of a defect classification method using an automatic defect classification device.
  • FIG. 2 shows the combination of the first field of view and the second field of view when a defect occurring in an object to be inspected straddles both the first field of view and the second field of view.
  • FIG. 3 shows a combination of the first field of view, the second field of view, and the third field of view in the case where a defect X straddles the first field of view, the second field of view, and the third field of view.
  • (Defect Classification) 1 shows a schematic diagram of a defect classification method using an automatic defect classification apparatus 1.
  • the automatic defect classification apparatus 1 classifies patterns of defects X that occur in an object to be inspected W.
  • the object to be inspected W is the surface of a semiconductor wafer (substrate) in a semiconductor manufacturing process.
  • a defect detection device detects defect X.
  • an image of the inspected object W is captured by a camera (not shown) connected to an optical microscope or scanning electron microscope to obtain an inspection image J, and the inspection image J is compared with a reference image K.
  • the reference image K is also called a fitting image or a statistically acceptable image.
  • the reference image K is obtained, for example, by averaging images of the inspected object W that has been determined to be acceptable.
  • the reference image K is set in advance.
  • the inspection image J is superimposed on the reference image K.
  • the automatic defect classification device 1 classifies the pattern of defect X only for the inspected object W in which defect X has been detected by the defect detection device.
  • defect X patterns include foreign matter, scratches, poor edge rinsing, through-hole abnormalities, uneven coating, peeling, scratches, bonding pad abnormalities, uneven color, pattern abnormalities, stains, discoloration, deformation, etc.
  • the automatic defect classification device 1 is composed of, for example, a microcomputer and a program.
  • the automatic defect classification device 1 classifies the pattern of defect X based on a predetermined feature amount of defect X for inspection image J of inspected object W.
  • the feature amount of defect X may be, for example, area, brightness, color, luminance, shape, sharpness, length, width, width/length, angle, transparency, etc.
  • the feature amount of defect X is pre-registered in the automatic defect classification device 1.
  • the automatic defect classification device 1 performs AI (Artificial Intelligence) on the inspection image J of the inspection object W.
  • AI learning Artificial Intelligence
  • the pattern of defect X may be classified based on classification conditions generated by AI learning.
  • AI learning include machine learning and deep learning.
  • machine learning include "supervised learning”, “unsupervised learning”, and “reinforcement learning”.
  • the object W to be inspected is usually larger than the field of view (imaging range) F of the camera. Therefore, the object W to be inspected is imaged so as to be partitioned into a plurality of fields of view F. As a result, an inspection image J is obtained for each of the plurality of fields of view F.
  • Each field of view F (each test image J) is adjacent to one another.
  • each field of view F is rectangular.
  • Each field of view F is arranged in a rectangular grid. In other words, each field of view F is adjacent to one another vertically and horizontally.
  • the multiple fields of view F are exemplified as a first field of view F1 at the upper left, a second field of view F2 at the upper right, a third field of view F3 at the lower left, and a fourth field of view F4 at the lower right.
  • the first field of view F1 and the second field of view F2 are adjacent in the left-right direction and share a left-right edge.
  • the first field of view F1 and the third field of view F3 are adjacent in the up-down direction and share a top-down edge.
  • the first field of view F1 and the fourth field of view F4 are adjacent diagonally up-down and left-right, but do not share any edges.
  • the camera obtains four inspection images J1 to J4 corresponding to the four fields of view F1 to F4. Specifically, the camera obtains a first inspection image J1 corresponding to the first field of view F1, a second inspection image J2 corresponding to the second field of view F2, a third inspection image J3 corresponding to the third field of view F3, and a fourth inspection image J4 corresponding to the fourth field of view F4.
  • the reference image K is similar to the inspection image J.
  • four reference images K1 to K4 are prepared in advance to correspond to the four fields of view F1 to F4.
  • a first reference image K1 corresponding to the first field of view F1 a second reference image K2 corresponding to the second field of view F2, a third reference image K3 corresponding to the third field of view F3, and a fourth reference image K4 corresponding to the fourth field of view F4 are prepared.
  • a defect X that occurs in the object W to be inspected may span multiple fields of view F (inspection images J).
  • the defect X that occurs in the object W to be inspected spans the left-right direction between the first field of view F1 (first inspection image J1) and the second field of view F2 (second inspection image J2).
  • the defect X extends from the center in the first visual field F1 (first inspection image J1) to the right end of the outer periphery, and then extends slightly to the vicinity of the left end of the outer periphery in the second visual field F2 (second inspection image J2).
  • the defect X has a jagged shape like the teeth of a saw.
  • the defect detection device detects the defect X in the first visual field F1 (first inspection image J1) and the second visual field F2 (second inspection image J2) of the inspected object W.
  • the defect detection device does not detect the defect X in the third visual field F3 (third inspection image J3) and the fourth visual field F4 (fourth inspection image J4) of the inspected object W. Note that the defect X does not exist in any of the four reference images K1 to K4.
  • the automatic defect classification device When classifying the pattern of defect X by the automatic defect classification device 1, only the field of view F (inspection image J) in which defect X is detected by the defect detection device is extracted and compared with the reference image K.
  • the first field of view F1 (first inspection image J1) and the second field of view F2 (second inspection image J2) are first extracted as the field of view F (inspection image J) in which defect X is detected. Then, the first field of view F1 (first inspection image J1) is compared with the first reference image K1, and the second field of view F2 (second inspection image J2) is compared with the second reference image K2.
  • defect X is only faintly visible in the first field of view F1 (first inspection image J1) just as it is in the second field of view F2 (second inspection image J2), then it will be impossible to grasp the true features of defect X, and the accurate pattern of defect X will not be able to be grasped.
  • the automatic defect classification device 1 makes it possible to accurately classify the pattern of defect X even when the defect X occurring in the object W to be inspected spans multiple fields of view F (inspection images J) by implementing the following measures.
  • FIG. 2 shows a combination of a first field of view F1 and a second field of view F2 in a case where a defect X occurring in an object to be inspected W straddles both the first field of view F1 and the second field of view F2.
  • the first field of view F1 is an arbitrary field of view FA, which is one field of view F arbitrarily selected from the multiple fields of view F (first field of view F1, second field of view F2, third field of view F3, and fourth field of view F4).
  • the second field of view F2 is an adjacent field of view FB, which is another field of view adjacent to the arbitrary field of view FA (first field of view F1) from the multiple fields of view F (first field of view F1, second field of view F2, third field of view F3, and fourth field of view F4).
  • other candidates for the adjacent field of view FB include a third field of view F3 adjacent to the first field of view F1 (arbitrary field of view FA) in the vertical direction, and a fourth field of view F4 adjacent to the first field of view F1 (arbitrary field of view FA) diagonally above, below, left, and right; however, since no defect X has been detected in these, they will be excluded this time (this will be described later when explaining memory 2).
  • the automatic defect classification device 1 classifies the pattern of defect X in a state where the first field of view F1 (arbitrary field of view FA) and the second field of view F2 (adjacent field of view FB) are combined only when defect X is included in the outer periphery F1a (right end F1b) of the first field of view F1 (arbitrary field of view FA) on the side of the second field of view F2 (adjacent field of view FB) and defect X is included in the outer periphery F2a (left end F2b) of the second field of view F2 (adjacent field of view FB) on the side of the first field of view F1 (arbitrary field of view FA).
  • the automatic defect classification device 1 classifies the pattern of defect X only when defect X is included on the shared edges (right end F1b and left end F2b) of the first field of view F1 (arbitrary field of view FA) and the second field of view F2 (adjacent field of view FB).
  • the automatic defect classification device 1 stores the first field F1 (arbitrary field FA) and the second field F2 (adjacent field FB) in memory 2 described below, but does not combine the first field F1 (arbitrary field FA) and the second field F2 (adjacent field FB).
  • the first field of view F1 (arbitrary field of view FA) is divided into a number of pixels G.
  • the second field of view F2 (adjacent field of view FB) is divided into a number of pixels G.
  • the same is true for the third field of view F3 and the fourth field of view F4.
  • Pixel G is composed of two values: a value G1 indicating a state in which defect X is included, and a value G0 indicating a state in which defect X is not included.
  • the value G1 indicating a state in which defect X is included and the value G0 indicating a state in which defect X is not included are distinguished, for example, based on a predetermined threshold value (or range) based on the luminance (0 to 255) of pixel G.
  • the automatic defect classification device 1 classifies the pattern of defect X in a state where the first field of view F1 (arbitrary field of view FA) and the second field of view F2 (adjacent field of view FB) are combined only when a defect X is contained (value G1) in pixel G of the outer periphery F1a (right end F1b) on the side of the second field of view F2 (adjacent field of view FB) in the first field of view F1 (arbitrary field of view FA) and a defect X is contained (value G1) in pixel G of the outer periphery F2a (left end F2b) on the side of the first field of view F1 (arbitrary field of view FA) in the second field of view F2 (adjacent field of view FB).
  • the defect X reflected in the first field of view F1 (arbitrary field of view FA) and the defect X reflected in the second field of view F2 (adjacent field of view FB) do not necessarily have to be adjacent in pixel G units.
  • memory 2 is, for example, a known RAM.
  • the automatic defect classification device 1 stores the first field of view F1 (arbitrary field of view FA) in the memory 2 when a pixel G on the outer periphery F1a (right end F1b) of the first field of view F1 (arbitrary field of view FA) on the side of the second field of view F2 (adjacent field of view FB) contains a defect X (value G1).
  • the automatic defect classification device 1 stores the second field of view F2 (adjacent field of view FB) in memory 2 when a defect X is included (value G1) in the outer periphery F2a (left end F2b) of the second field of view F2 (adjacent field of view FB) on the side of the first field of view F1 (arbitrary field of view FA).
  • the automatic defect classification device 1 does not store the third field of view F3 in the memory 2 because the third field of view F3 as the adjacent field of view FB does not include a defect X (value G0) on the outer periphery F3a (upper end F3b) on the side of the first field of view F1 (arbitrary field of view FA).
  • the automatic defect classification device 1 does not store the fourth field of view F4 in the memory 2 because the fourth field of view F4 as the adjacent field of view FB does not contain a defect X (value G0) on the outer periphery F4a (upper left end F4b) on the side of the first field of view F1 (arbitrary field of view FA).
  • the automatic defect classification device 1 outputs (calls) the first field of view F1 (arbitrary field of view FA) and the second field of view F2 (adjacent field of view FB) from the memory 2, and classifies the pattern of defect X with the first field of view F1 (arbitrary field of view FA) and the second field of view F2 (adjacent field of view FB) combined.
  • the arbitrary visual field FA is the first visual field F1
  • the arbitrary visual field FA first visual field F1
  • the adjacent visual field FB second visual field F2
  • the arbitrary visual field FA is then replaced with the second visual field F2, the third visual field F3, and the fourth visual field F4, and the same procedure is repeated.
  • the first field of view F1 (arbitrary field of view FA) and the second field of view F2 (adjacent field of view FB) are adjacent to each other in the image of the inspection target W.
  • a defect X is included in the outer periphery F1a of the first field of view F1 (arbitrary field of view FA) and a defect X is included in the outer periphery F2a of the second field of view F2 (adjacent field of view FB)
  • the pattern of the defect X is classified in a state where the first field of view F1 (arbitrary field of view FA) and the second field of view F2 (adjacent field of view FB) are combined.
  • the pattern of defect X is classified with the first field of view F1 (arbitrary field of view FA) and the second field of view F2 (adjacent field of view FB) combined, so even if defect X that has occurred in the inspected object W straddles both the first field of view F1 (arbitrary field of view FA) and the second field of view F2 (adjacent field of view FB), the original characteristic amount of defect X can be grasped.
  • the pattern of defect X occurring in the object W to be inspected can be classified with high accuracy.
  • a defect X is included in the outer periphery F1a (right edge F1b) of the first field of view F1 (arbitrary field of view FA) on the side of the second field of view F2 (adjacent field of view FB) and a defect X is included in the outer periphery F2a (left edge F2b) of the second field of view F2 (adjacent field of view FB) on the side of the first field of view F1 (arbitrary field of view FA), there is a high possibility that the defect X straddles both the first field of view F1 (arbitrary field of view FA) and the second field of view F2 (adjacent field of view FB).
  • first field of view F1 arbitrary field of view FA
  • second field of view F2 adjacent field of view FB
  • the presence or absence of defect X in the outer periphery F1a, F2a of each field of view F1, F2 (FA, FB) can be clearly defined by the presence or absence of defect X in pixel G.
  • each pixel G By configuring each pixel G with two values G0 and G1, it is possible to clarify whether each pixel G contains a defect X or not.
  • the original feature quantity of the defect X that has occurred in the object to be inspected W can be grasped.
  • Each field of view F1, F2 (FA, FB) is stored in memory 2 only if the outer periphery F1a, F2a of each field of view F1, F2 (FA, FB) contains a defect X, so the burden on memory 2 is small.
  • the pattern of defect X may be classified with the first field of view F1 (arbitrary field of view FA) and the second field of view F2 (adjacent field of view FB) first combined.
  • the defect X reflected at the left end of the first field of view F1 (arbitrary field of view FA) and the defect X reflected at the right end of the second field of view F2 (adjacent field of view FB) will be determined to be separate from each other (the two are not connected).
  • the first field of view F1 (arbitrary field of view FA) and the fourth field of view F4 (adjacent field of view FB) may be stored in memory 2 but may not be combined with each other. This is because it is difficult to perform image processing to combine the first field of view F1 (arbitrary field of view FA) and the fourth field of view F4 (adjacent field of view FB) at their four corners.
  • the defect X only straddles between the first field of view F1 as the arbitrary field of view FA and the second field of view F2 as the adjacent field of view FB, but is not limited to this. As shown in FIG. 3, the defect X may straddle the first field of view F1 as the arbitrary field of view FA, the second field of view F2 as the adjacent field of view FB, and the third field of view F3 as the adjacent field of view FB.
  • the pattern X of the defect X is classified in a state where the first field of view F1 (arbitrary field of view FA), the second field of view F2 (adjacent field of view FB), and the third field of view F3 (adjacent field of view FB) are combined.
  • the arbitrary visual field FA is the second visual field F2
  • the candidates for the adjacent visual field FB are the first visual field F1, the third visual field F3, and the fourth visual field F4.
  • the field of view F is not limited to a rectangle, but may be a polygon other than a rectangle, or a shape other than a polygon.
  • the object W to be inspected is not limited to a semiconductor wafer, and various objects are possible.
  • the object W to be inspected may be, for example, glass, metal, resin, etc.
  • the object W to be inspected does not have to be a plate material, and may be, for example, an electric wire, etc.
  • the defect classification method classifies the pattern of defect X that has occurred in an object W to be inspected.
  • the object W to be inspected is imaged so as to be partitioned into a plurality of adjacent fields of view F.
  • this defect classification method when a defect X is included in the outer periphery F1a of a first field F1 as an arbitrary field of view FA that is one field F among the plurality of fields of view F, and a defect X is included in the outer periphery F2a of a second field F2 as an adjacent field of view FB that is another field F adjacent to the first field F1 (arbitrary field of view FA) among the plurality of fields of view F, the pattern of defect X is classified in a state in which the first field F1 (arbitrary field of view FA) and the second field F2 (adjacent field of view FB) are combined.
  • This disclosure is extremely useful and has high industrial applicability because it can be applied to defect classification devices and defect classification methods.

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Analysis (AREA)

Abstract

被検査対象に発生した欠陥のパターンを精度よく分類することにある。　具体的には、自動欠陥分類装置１は、被検査対象Ｗに発生した欠陥Ｘのパターンを分類する。被検査対象Ｗは、互いに隣接した複数の視野Ｆに区画されるように、撮像されている。自動欠陥分類装置１は、複数の視野Ｆのうちの一の視野Ｆである任意視野ＦＡとしての第１視野Ｆ１の外周Ｆ１ａに欠陥Ｘが含まれ且つ複数の視野Ｆのうちの第１視野Ｆ１（任意視野ＦＡ）に隣接する他の視野Ｆである隣接視野ＦＢとしての第２視野Ｆ２の外周Ｆ２ａに欠陥Ｘが含まれる場合に、第１視野Ｆ１（任意視野ＦＡ）と第２視野Ｆ２（隣接視野ＦＢ）とを結合した状態にて欠陥Ｘのパターンを分類する。

Description

欠陥分類装置及び欠陥分類方法
　本開示は、欠陥分類装置及び欠陥分類方法に関する。
　例えば、半導体デバイスの製造工程では、半導体ウエハ(基板)の表面に露光、現像、エッチング等の処理を行うことによって、半導体ウエハ表面に多数の回路パターンを形成する。そして、多数の回路パターンが形成された半導体ウエハを、複数のチップ部品として個片化する。個片化されたチップ部品は、パッケージングされた後、電子部品単体として出荷されたり、電気製品に組み込まれたりする。
　ここで、半導体ウエハが複数のチップ部品として個片化される前に、半導体ウエハ表面に対して、欠陥の検出が行われる。欠陥の検出は、例えば、光学顕微鏡や走査電子顕微鏡に接続されたカメラにより撮像された検査画像に基づいて、行われる。
　そして、欠陥の検出された半導体ウエハに対して、欠陥の形状やサイズや色などの特徴量に基づいて、欠陥パターンの分類が行われる。欠陥パターンとして、例えば、異物や傷などがある。
　従来、欠陥パターンの分類は、作業者による目視検査によって行われてきた。しかしながら、目視検査では、作業者の主観に応じて、欠陥パターンの分類結果にバラツキが生じ得るので、欠陥パターンを精度よく分類することができなかった。
　そこで、特許文献１に示すように、半導体ウエハ表面に発生した欠陥パターンを自動的に分類する自動欠陥分類装置（Automatic Defect Classification：ＡＤＣ）が、知られている。
特開２００４－４７９３９号公報
　しかしながら、特許文献１に係る自動欠陥分類装置を用いて、作業者の主観を排して欠陥パターンを分類したとしても、依然として、欠陥パターンの分類精度に課題がある。
　被検査対象である半導体ウエハは、通常、カメラの視野（撮像範囲）よりも大きい。そこで、半導体ウエハを複数の視野に区画してカメラで撮像することによって、複数の視野毎に検査画像を得る。このとき、半導体ウエハに発生した欠陥が、複数の視野に亘って跨ることがある。
　このため、１つの視野のみに基づいて欠陥パターンを分類しようとすると、欠陥パターンを正確に分類できないことがある。例えば、当該１つの視野の外周に僅かに一部だけ欠陥が映っている場合、一部だけ映された欠陥の本来の特徴量（形状やサイズや色など）を十分に把握できないので、正確な欠陥パターンを把握することができない。
　上記課題は、半導体ウエハ以外の他の被検査対象にも、当てはまる。
　本開示は斯かる点に鑑みてなされたものであり、その目的とするところは、被検査対象に発生した欠陥のパターンを精度よく分類することにある。
　本開示に係る欠陥分類装置は、被検査対象に発生した欠陥のパターンを分類する欠陥分類装置であって、前記被検査対象は、互いに隣接した複数の視野に区画されるように撮像されており、複数の前記視野のうちの一の前記視野である任意視野の外周に前記欠陥が含まれ且つ複数の前記視野のうちの前記任意視野に隣接する他の前記視野である隣接視野の前記外周に前記欠陥が含まれる場合に、前記任意視野と前記隣接視野とを結合した状態にて前記欠陥の前記パターンを分類する。
　撮像される被検査対象において、任意視野と隣接視野とは、互いに隣接している。任意視野の外周に欠陥が含まれ且つ隣接視野の外周に欠陥が含まれる場合、任意視野と隣接視野とが結合された状態にて欠陥のパターンが分類される。
　このように、任意視野と隣接視野とが結合された状態にて欠陥のパターンが分類されるので、被検査対象に発生した欠陥が任意視野と隣接視野とに亘って跨っている場合であっても、欠陥の本来の特徴量を把握することができる。
　以上、被検査対象に発生した欠陥のパターンを精度よく分類することができる。
　一実施形態では、前記任意視野における前記隣接視野側の前記外周に前記欠陥が含まれ且つ前記隣接視野における前記任意視野側の前記外周に前記欠陥が含まれる場合に、前記任意視野と前記隣接視野とを結合した状態にて前記欠陥の前記パターンを分類する。
　任意視野における隣接視野側の外周に欠陥が含まれ且つ隣接視野における任意視野側の外周に欠陥が含まれる場合、ある欠陥が任意視野と隣接視野とに亘って跨っている可能性が高い。このような場合に任意視野と隣接視野とを結合することによって、任意視野と隣接視野とに亘って跨る欠陥の全体像を把握する上で有利になる。
　一実施形態では、前記任意視野は、複数の画素に区画されており、前記隣接視野は、複数の前記画素に区画されており、前記任意視野における前記外周の前記画素に前記欠陥が含まれ且つ前記隣接視野における前記外周の前記画素に前記欠陥が含まれる場合に、前記任意視野と前記隣接視野とを結合した状態にて前記欠陥の前記パターンを分類する。
　各視野の外周における欠陥の有無を、画素における欠陥の有無によって、より明確に定義することができる。
　一実施形態では、前記画素は、前記欠陥が含まれる状態を示す値と前記欠陥が含まれない状態を示す値との２値で構成されている。
　各画素を２値で構成することによって、各画素に欠陥が含まれるか否かを明確にすることができる。
　一実施形態では、前記隣接視野は、前記任意視野の上下左右の少なくともいずれかに配置されている。
　欠陥が、任意視野と上下左右の少なくともいずれかの隣接視野とに亘って跨る場合であっても、被検査対象に発生した欠陥の本来の特徴量を把握することができる。
　一実施形態では、前記任意視野の前記外周に前記欠陥が含まれる場合に、前記任意視野をメモリに記憶して、前記隣接視野の前記外周に前記欠陥が含まれる場合に、前記隣接視野を前記メモリに記憶して、前記任意視野と前記隣接視野とを前記メモリから出力して、前記任意視野と前記隣接視野とを結合した状態にて前記欠陥の前記パターンを分類する。
　各視野の外周に欠陥が含まれる場合のみに、各視野がメモリに記憶されるので、メモリへの負担が少ない。
　本開示に係る欠陥分類方法は、被検査対象に発生した欠陥のパターンを分類する欠陥分類方法であって、前記被検査対象は、互いに隣接した複数の視野に区画されるように撮像されており、複数の前記視野のうちの一の前記視野である任意視野の外周に前記欠陥が含まれ且つ複数の前記視野のうちの前記任意視野に隣接する他の前記視野である隣接視野の前記外周に前記欠陥が含まれる場合に、前記任意視野と前記隣接視野とを結合した状態にて前記欠陥の前記パターンを分類する。
　本開示によれば、被検査対象に発生した欠陥のパターンを精度よく分類することができる。
図１は、自動欠陥分類装置による欠陥分類方法を模式的に示す。 図２は、被検査対象に発生した欠陥が第１視野と第２視野とに亘って跨る場合における第１視野と第２視野との結合を示す。 図３は、欠陥Ｘが第１視野と第２視野と第３視野とに亘って跨る場合における第１視野と第２視野と第３視野との結合を示す。
　以下、本開示の一実施形態を図面に基づいて詳細に説明する。以下の好ましい実施形態の説明は、本質的に例示に過ぎず、本開示、その適用物あるいはその用途を制限することを意図するものでは全くない。
　（欠陥分類）
　図１は、自動欠陥分類装置１による欠陥分類方法を模式的に示す。自動欠陥分類装置１は、被検査対象Ｗに発生した欠陥Ｘのパターンを、分類する。本例では、被検査対象Ｗは、半導体製造工程における半導体ウエハ（基板）の表面である。
　自動欠陥分類装置１による欠陥Ｘのパターンの分類工程の前工程において、欠陥検出装置（図示せず）による欠陥Ｘの検出が行われる。欠陥Ｘの検出にあたって、光学顕微鏡や走査電子顕微鏡に接続されたカメラ（図示せず）によって被検査対象Ｗを撮像して検査画像Ｊを得るとともに、検査画像Ｊを基準画像Ｋと比較する。
　基準画像Ｋは、フィッティング画像や統計的良品画像とも呼ばれる。基準画像Ｋは、例えば、良品判定された被検査対象Ｗの画像を平均化することによって、得られる。基準画像Ｋは、事前に設定されている。欠陥Ｘの検出にあたって、検査画像Ｊを、基準画像Ｋに重ね合わせる。
　自動欠陥分類装置１は、欠陥検出装置により欠陥Ｘが検出された被検査対象Ｗについてのみ、欠陥Ｘのパターンを分類する。ここで、欠陥Ｘのパターンとして、例えば、異物、傷、エッジリンス不良、スルーホール異常、塗膜ムラ、剥がれ、スクラッチ、ボンディングパッド異常、色ムラ、パターン異常、染み、変色、変形、などがある。
　自動欠陥分類装置１は、例えば、マイコン及びプログラムで構成されている。自動欠陥分類装置１は、被検査対象Ｗの検査画像Ｊに対して、欠陥Ｘにおける所定の特徴量に基づいて、欠陥Ｘのパターンを分類する。欠陥Ｘの特徴量として、例えば、面積、明るさ、色、輝度、形状、鮮明さ、長さ、幅、幅／長さ、角度、透明度、などがある。自動欠陥分類装置１には、欠陥Ｘの特徴量が、事前に登録されている。
　また、自動欠陥分類装置１は、被検査対象Ｗの検査画像Ｊに対して、ＡＩ（Artificial
　Intelligence）学習により生成された分類条件に基づいて、欠陥Ｘのパターンを分類してもよい。ＡＩ学習として、例えば、機械学習やディープラーニング等がある。また、機械学習として、「教師有り学習」、「教師無し学習」及び「強化学習」等がある。
　（視野の区画）
　ここで、被検査対象Ｗは、通常、カメラの視野（撮像範囲）Ｆよりも大きい。そこで、被検査対象Ｗは、複数の視野Ｆに区画されるように、撮像される。これにより、複数の視野Ｆ毎に検査画像Ｊが得られる。
　各視野Ｆ（各検査画像Ｊ）は、互いに隣接している。本例では、各視野Ｆは、四角形である。各視野Ｆは、四角形の格子状に並んでいる。換言すると、各視野Ｆは、上下左右に互いに隣接している。
　図１では、複数の視野Ｆとして、左上の第１視野Ｆ１、右上の第２視野Ｆ２、左下の第３視野Ｆ３及び右下の第４視野Ｆ４を、例示する。第１視野Ｆ１と第２視野Ｆ２とは、左右方向に隣接しており、左右の辺を共有している。第１視野Ｆ１と第３視野Ｆ３とは、上下方向に隣接しており、上下の辺を共有している。第１視野Ｆ１と第４視野Ｆ４とは、斜め上下左右に隣接しているが、いずれの辺をも共有していない。
　カメラによって、４つの視野Ｆ１～Ｆ４に対応するように、４つの検査画像Ｊ１～Ｊ４が得られる。具体的には、第１視野Ｆ１に対応する第１検査画像Ｊ１、第２視野Ｆ２に対応する第２検査画像Ｊ２、第３視野Ｆ３に対応する第３検査画像Ｊ３及び第４視野Ｆ４に対応する第４検査画像Ｊ４が、カメラによって得られる。
　基準画像Ｋも、検査画像Ｊと同様である。すなわち、４つの視野Ｆ１～Ｆ４に対応するように、４つの基準画像Ｋ１～Ｋ４が予め用意されている。具体的には、第１視野Ｆ１に対応する第１基準画像Ｋ１、第２視野Ｆ２に対応する第２基準画像Ｋ２、第３視野Ｆ３に対応する第３基準画像Ｋ３及び第４視野Ｆ４に対応する第４基準画像Ｋ４が、用意されている。
　ここで、被検査対象Ｗに発生した欠陥Ｘが、複数の視野Ｆ（検査画像Ｊ）に亘って跨ることがある。図１では、被検査対象Ｗに発生した欠陥Ｘは、第１視野Ｆ１（第１検査画像Ｊ１）と第２視野Ｆ２（第２検査画像Ｊ２）とに亘って左右方向に跨っている。
　図１に示すように、欠陥Ｘは、第１視野Ｆ１（第１検査画像Ｊ１）における中央部から外周の右端まで延びた後に、第２視野Ｆ２（第２検査画像Ｊ２）における外周の左端付近に僅かに至っている。欠陥Ｘには、ノコギリの歯のようなギザギザの形状がある
　ここで、欠陥検出装置は、被検査対象Ｗにおける第１視野Ｆ１（第１検査画像Ｊ１）及び第２視野Ｆ２（第２検査画像Ｊ２）において、欠陥Ｘを検出する。一方、欠陥検出装置は、被検査対象Ｗにおける第３視野Ｆ３（第３検査画像Ｊ３）及び第４視野Ｆ４（第４検査画像Ｊ４）において、欠陥Ｘを検出しない。なお、４つの基準画像Ｋ１～Ｋ４のいずれにも、欠陥Ｘは存在しない。
　自動欠陥分類装置１による欠陥Ｘのパターンの分類では、欠陥検出装置により欠陥Ｘの検出された視野Ｆ（検査画像Ｊ）のみを、抽出して、基準画像Ｋと比較する。本例では、欠陥Ｘの検出された視野Ｆ（検査画像Ｊ）として、第１視野Ｆ１（第１検査画像Ｊ１）及び第２視野Ｆ２（第２検査画像Ｊ２）が、先ず抽出される。そして、第１視野Ｆ１（第１検査画像Ｊ１）が第１基準画像Ｋ１と比較されるとともに、第２視野Ｆ２（第２検査画像Ｊ２）が第２基準画像Ｋ２と比較される。
　１つの視野Ｆのみに基づいて欠陥Ｘのパターンを分類しようとすると、欠陥Ｘのパターンを正確に分類できないことがある。例えば、第２視野Ｆ２（第２検査画像Ｊ２）には、その外周の左端付近に僅かにしか欠陥Ｘが映っていない。このため、第２視野Ｆ２（第２検査画像Ｊ２）を第２基準画像Ｋ２と比較したとしても、欠陥Ｘの本来の特徴量（形状やサイズや色など）を十分に把握できず、正確な欠陥Ｘのパターンを把握することができない。
　一方、第１視野Ｆ１（第１検査画像Ｊ１）には、その中央部から外周の右端に亘って大部分で欠陥Ｘが映っている。このため、第１視野Ｆ１（第１検査画像Ｊ１）を第１基準画像Ｋ１と比較した場合、欠陥Ｘの本来の特徴量を把握できるかもしれず、正確な欠陥Ｘのパターンを把握できるかもしれない。例えば、第１視野Ｆ１（第１検査画像Ｊ１）に映る欠陥Ｘにおけるギザギザの形状に基づいて、欠陥Ｘのパターンを「傷」と分類できるかもしれない。
　しかしながら、仮に、第１視野Ｆ１（第１検査画像Ｊ１）にも、第２視野Ｆ２（第２検査画像Ｊ２）と同様に僅かにしか欠陥Ｘが映っていなければ、やはり欠陥Ｘの本来の特徴量を把握できず、正確な欠陥Ｘのパターンを把握できないであろう。
　このように、被検査対象Ｗに発生した欠陥Ｘが複数の視野Ｆ（検査画像Ｊ）に亘って跨る場合に、欠陥Ｘのパターンを精度よく分類することは難しい。
　本実施形態に係る自動欠陥分類装置１では、以下の工夫を施すことによって、被検査対象Ｗに発生した欠陥Ｘが複数の視野Ｆ（検査画像Ｊ）に亘って跨る場合であっても、欠陥Ｘのパターンを精度よく分類することを可能にした。
　（欠陥の結合）
　図２は、被検査対象Ｗに発生した欠陥Ｘが第１視野Ｆ１と第２視野Ｆ２とに亘って跨る場合における第１視野Ｆ１と第２視野Ｆ２との結合を示す。
　第１視野Ｆ１は、複数の視野Ｆ（第１視野Ｆ１、第２視野Ｆ２、第３視野Ｆ３及び第４視野Ｆ４）のうちの任意に選択された一の視野Ｆである任意視野ＦＡとする。第２視野Ｆ２は、複数の視野Ｆ（第１視野Ｆ１、第２視野Ｆ２、第３視野Ｆ３及び第４視野Ｆ４）のうちの任意視野ＦＡ（第１視野Ｆ１）に隣接する他の視野である隣接視野ＦＢとする。
　なお、隣接視野ＦＢの候補として、第２視野Ｆ２の他にも、第１視野Ｆ１（任意視野ＦＡ）に上下方向に隣接する第３視野Ｆ３と、第１視野Ｆ１（任意視野ＦＡ）に斜め上下左右に隣接する第４視野Ｆ４とがあるが、これらには欠陥Ｘが検出されていないので今回は除外する（メモリ２の説明の際に後述する）。
　隣接視野ＦＢは、任意視野ＦＡの上下左右の少なくともいずれかに配置されている。本例では、隣接視野ＦＢとしての第２視野Ｆ２は、任意視野ＦＡとしての第１視野Ｆ１の右側に配置されている。
　自動欠陥分類装置１は、第１視野Ｆ１（任意視野ＦＡ）の外周Ｆ１ａに欠陥Ｘが含まれ且つ第２視野Ｆ２（隣接視野ＦＢ）の外周Ｆ２ａに欠陥Ｘが含まれる場合に、第１視野Ｆ１（任意視野ＦＡ）と第２視野Ｆ２（隣接視野ＦＢ）とを結合した状態にて、欠陥Ｘのパターンを分類する。
　詳細には、自動欠陥分類装置１は、第１視野Ｆ１（任意視野ＦＡ）における第２視野Ｆ２（隣接視野ＦＢ）側の外周Ｆ１ａ（右端Ｆ１ｂ）に欠陥Ｘが含まれ且つ第２視野Ｆ２（隣接視野ＦＢ）における第１視野Ｆ１（任意視野ＦＡ）側の外周Ｆ２ａ（左端Ｆ２ｂ）に欠陥Ｘが含まれる場合のみに、第１視野Ｆ１（任意視野ＦＡ）と第２視野Ｆ２（隣接視野ＦＢ）とを結合した状態にて、欠陥Ｘのパターンを分類する。
　換言すると、自動欠陥分類装置１は、第１視野Ｆ１（任意視野ＦＡ）及び第２視野Ｆ２（隣接視野ＦＢ）における互いに共有する辺同士（右端Ｆ１ｂ及び左端Ｆ２ｂ）に欠陥Ｘが含まれる場合のみに、欠陥Ｘのパターンを分類する。
　また、第１視野Ｆ１（任意視野ＦＡ）における第２視野Ｆ２（隣接視野ＦＢ）側の外周Ｆ１ａ（右端Ｆ１ｂ）に欠陥Ｘが含まれるとしても、第２視野Ｆ２（隣接視野ＦＢ）における第１視野Ｆ１（任意視野ＦＡ）側の外周Ｆ２ａ（左端Ｆ２ｂ）に欠陥Ｘが含まれない場合には、自動欠陥分類装置１は、第１視野Ｆ１（任意視野ＦＡ）及び第２視野Ｆ２（隣接視野ＦＢ）を後述のメモリ２に記憶しつつも、第１視野Ｆ１（任意視野ＦＡ）と第２視野Ｆ２（隣接視野ＦＢ）とを結合しない。
　より詳細には、第１視野Ｆ１（任意視野ＦＡ）は、複数の画素Ｇに区画されている。第２視野Ｆ２（隣接視野ＦＢ）は、複数の画素Ｇに区画されている。第３視野Ｆ３及び第４視野Ｆ４についても、同様である。
　画素Ｇは、欠陥Ｘが含まれる状態を示す値Ｇ１と欠陥Ｘが含まれない状態を示す値Ｇ０との２値で構成されている。欠陥Ｘが含まれる状態を示す値Ｇ１と欠陥Ｘが含まれない状態を示す値Ｇ０とは、例えば、画素Ｇにおける輝度（０～２５５）に基づいて所定の閾値（又は範囲）を基準に区分けされる。
　そして、自動欠陥分類装置１は、第１視野Ｆ１（任意視野ＦＡ）における第２視野Ｆ２（隣接視野ＦＢ）側の外周Ｆ１ａ（右端Ｆ１ｂ）の画素Ｇに欠陥Ｘが含まれ（値Ｇ１）且つ第２視野Ｆ２（隣接視野ＦＢ）における第１視野Ｆ１（任意視野ＦＡ）側の外周Ｆ２ａ（左端Ｆ２ｂ）の画素Ｇに欠陥Ｘが含まれる（値Ｇ１）場合のみに、第１視野Ｆ１（任意視野ＦＡ）と第２視野Ｆ２（隣接視野ＦＢ）とを結合した状態にて、欠陥Ｘのパターンを分類する。
　第１視野Ｆ１（任意視野ＦＡ）に映る欠陥Ｘと、第２視野Ｆ２（隣接視野ＦＢ）に映る欠陥Ｘとは、必ずしも画素Ｇ単位で隣接しなくてもよい。
　次に、メモリ２への各視野Ｆの記憶について説明する。なお、メモリ２は、例えば公知のＲＡＭである。
　自動欠陥分類装置１は、第１視野Ｆ１（任意視野ＦＡ）における第２視野Ｆ２（隣接視野ＦＢ）側の外周Ｆ１ａ（右端Ｆ１ｂ）の画素Ｇに欠陥Ｘが含まれる（値Ｇ１）場合に、第１視野Ｆ１（任意視野ＦＡ）をメモリ２に記憶する。
　同様に、自動欠陥分類装置１は、第２視野Ｆ２（隣接視野ＦＢ）における第１視野Ｆ１（任意視野ＦＡ）側の外周Ｆ２ａ（左端Ｆ２ｂ）に欠陥Ｘが含まれる（値Ｇ１）場合に、第２視野Ｆ２（隣接視野ＦＢ）をメモリ２に記憶する。
　一方、自動欠陥分類装置１は、隣接視野ＦＢとしての第３視野Ｆ３における第１視野Ｆ１（任意視野ＦＡ）側の外周Ｆ３ａ（上端Ｆ３ｂ）に欠陥Ｘが含まれない（値Ｇ０）ので、第３視野Ｆ３をメモリ２に記憶しない。
　同様に、自動欠陥分類装置１は、隣接視野ＦＢとしての第４視野Ｆ４における第１視野Ｆ１（任意視野ＦＡ）側の外周Ｆ４ａ（左上端Ｆ４ｂ）に欠陥Ｘが含まれない（値Ｇ０）ので、第４視野Ｆ４をメモリ２に記憶しない。
　そして、自動欠陥分類装置１は、第１視野Ｆ１（任意視野ＦＡ）と第２視野Ｆ２（隣接視野ＦＢ）とをメモリ２から出力（呼び出して）して、第１視野Ｆ１（任意視野ＦＡ）と第２視野Ｆ２（隣接視野ＦＢ）とを結合した状態にて欠陥Ｘのパターンを分類する。
　なお、任意視野ＦＡを第１視野Ｆ１とした場合における任意視野ＦＡ（第１視野Ｆ１）及び隣接視野ＦＢ（第２視野Ｆ２）のメモリ２への記憶が完了したら、次に、任意視野ＦＡを、第２視野Ｆ２、第３視野Ｆ３及び第４視野Ｆ４に置き換えて、同様の手順を繰り返す。
　（作用効果）
　撮像される被検査対象Ｗにおいて、第１視野Ｆ１（任意視野ＦＡ）と第２視野Ｆ２（隣接視野ＦＢ）とは、互いに隣接している。第１視野Ｆ１（任意視野ＦＡ）の外周Ｆ１ａに欠陥Ｘが含まれ且つ第２視野Ｆ２（隣接視野ＦＢ）の外周Ｆ２ａに欠陥Ｘが含まれる場合、第１視野Ｆ１（任意視野ＦＡ）と第２視野Ｆ２（隣接視野ＦＢ）とが結合された状態にて欠陥Ｘのパターンが分類される。
　このように、第１視野Ｆ１（任意視野ＦＡ）と第２視野Ｆ２（隣接視野ＦＢ）とが結合された状態にて欠陥Ｘのパターンが分類されるので、被検査対象Ｗに発生した欠陥Ｘが第１視野Ｆ１（任意視野ＦＡ）と第２視野Ｆ２（隣接視野ＦＢ）とに亘って跨っている場合であっても、欠陥Ｘの本来の特徴量を把握することができる。
　以上、被検査対象Ｗに発生した欠陥Ｘのパターンを精度よく分類することができる。
　第１視野Ｆ１（任意視野ＦＡ）における第２視野Ｆ２（隣接視野ＦＢ）側の外周Ｆ１ａ（右端Ｆ１ｂ）に欠陥Ｘが含まれ且つ第２視野Ｆ２（隣接視野ＦＢ）における第１視野Ｆ１（任意視野ＦＡ）側の外周Ｆ２ａ（左端Ｆ２ｂ）に欠陥Ｘが含まれる場合、ある欠陥Ｘが第１視野Ｆ１（任意視野ＦＡ）と第２視野Ｆ２（隣接視野ＦＢ）とに亘って跨っている可能性が高い。
　このような場合に第１視野Ｆ１（任意視野ＦＡ）と第２視野Ｆ２（隣接視野ＦＢ）とを結合することによって、第１視野Ｆ１（任意視野ＦＡ）と第２視野Ｆ２（隣接視野ＦＢ）とに亘って跨る欠陥Ｘの全体像を把握する上で有利になる。
　各視野Ｆ１，Ｆ２（ＦＡ，ＦＢ）の外周Ｆ１ａ，Ｆ２ａにおける欠陥Ｘの有無を、画素Ｇにおける欠陥Ｘの有無によって、明確に定義することができる。
　各画素Ｇを２値Ｇ０，Ｇ１で構成することによって、各画素Ｇに欠陥Ｘが含まれるか否かを明確にすることができる。
　欠陥Ｘが、任意視野ＦＡと上下左右の少なくともいずれかの隣接視野ＦＢとに亘って跨る場合であっても、被検査対象Ｗに発生した欠陥Ｘの本来の特徴量を把握することができる。
　各視野Ｆ１，Ｆ２（ＦＡ，ＦＢ）の外周Ｆ１ａ，Ｆ２ａに欠陥Ｘが含まれる場合のみに、各視野Ｆ１，Ｆ２（ＦＡ，ＦＢ）がメモリ２に記憶されるので、メモリ２への負担が少ない。
　（その他の実施形態）
　以上、本開示を好適な実施形態により説明してきたが、こうした記述は限定事項ではなく、勿論、種々の改変が可能である。
　第１視野Ｆ１（任意視野ＦＡ）の外周Ｆ１ａにおける左端に欠陥Ｘが含まれ且つ第２視野Ｆ２（隣接視野ＦＢ）の外周Ｆ２ａにおける右端に欠陥Ｘが含まれる場合に、第１視野Ｆ１（任意視野ＦＡ）と第２視野Ｆ２（隣接視野ＦＢ）とを一先ず結合した状態にて、欠陥Ｘのパターンを分類してもよい。この場合、第１視野Ｆ１（任意視野ＦＡ）の左端に映る欠陥Ｘと、第２視野Ｆ２（隣接視野ＦＢ）の右端に映る欠陥Ｘとは、互いに別物である（両者は繋がっていない）と判断されるだろう。
　第１視野Ｆ１（任意視野ＦＡ）の外周Ｆ１ａにおける右下端に欠陥Ｘが含まれ且つ第４視野Ｆ４（隣接視野ＦＢ）の外周Ｆ４ａにおける左上端Ｆ４ｂに欠陥Ｘが含まれる場合に、第１視野Ｆ１（任意視野ＦＡ）及び第４視野Ｆ４（隣接視野ＦＢ）をメモリ２に記憶しつつも、第１視野Ｆ１（任意視野ＦＡ）と第４視野Ｆ４（隣接視野ＦＢ）とを結合しなくてもよい。第１視野Ｆ１（任意視野ＦＡ）と第４視野Ｆ４（隣接視野ＦＢ）とを四隅同士で結合するように画像処理することは、難しいからである。
　上記実施形態では、欠陥Ｘが、任意視野ＦＡとしての第１視野Ｆ１と隣接視野ＦＢとしての第２視野Ｆ２との間にのみ跨っているが、これに限定されない。図３に示すように、欠陥Ｘは、任意視野ＦＡとしての第１視野Ｆ１と、隣接視野ＦＢとしての第２視野Ｆ２と、隣接視野ＦＢとしての第３視野Ｆ３と、に亘って跨ってもよい。
　この場合、第１視野Ｆ１（任意視野ＦＡ）と第２視野Ｆ２（隣接視野ＦＢ）と第３視野Ｆ３（隣接視野ＦＢ）とが結合された状態にて、欠陥ＸのパターンＸが分類される。
　任意視野ＦＡと隣接視野ＦＢとの組合せは、複数ある。例えば、任意視野ＦＡが第２視野Ｆ２である場合、隣接視野ＦＢの候補として、第１視野Ｆ１、第３視野Ｆ３及び第４視野Ｆ４がある。
　視野Ｆは、四角形に限定されず、四角形以外の多角形や、多角形以外の形状などでもよい。
　被検査対象Ｗは、半導体ウエハに限定されず、種々の対象が考えられ得る。被検査対象Ｗは、例えば、ガラスや金属や樹脂等でもよい。被検査対象Ｗは、板材でなくてもよく、例えば電線等でもよい。
　画素Ｇにおける欠陥Ｘの有無を判定するにあたって、例えば、色相、明度、暗度、彩度、光度、照度などの、その他の光学情報を参照してもよい。
　本開示に係る欠陥分類方法は、被検査対象Ｗに発生した欠陥Ｘのパターンを分類する。この欠陥分類方法では、被検査対象Ｗは、互いに隣接した複数の視野Ｆに区画されるように、撮像されている。この欠陥分類方法では、複数の視野Ｆのうちの一の視野Ｆである任意視野ＦＡとしての第１視野Ｆ１の外周Ｆ１ａに欠陥Ｘが含まれ且つ複数の視野Ｆのうちの第１視野Ｆ１（任意視野ＦＡ）に隣接する他の視野Ｆである隣接視野ＦＢとしての第２視野Ｆ２の外周Ｆ２ａに欠陥Ｘが含まれる場合に、第１視野Ｆ１（任意視野ＦＡ）と第２視野Ｆ２（隣接視野ＦＢ）とを結合した状態にて欠陥Ｘのパターンを分類する。
　本開示は、欠陥分類装置及び欠陥分類方法に適用できるので、極めて有用であり、産業上の利用可能性が高い。
　　Ｗ　　　被検査対象
　　Ｘ　　　欠陥
　　Ｊ　　　検査画像
　　Ｊ１　　第１検査画像
　　Ｊ２　　第２検査画像
　　Ｊ３　　第３検査画像
　　Ｊ４　　第４検査画像
　　Ｋ　　　基準画像
　　Ｋ１　　第１基準画像
　　Ｋ２　　第２基準画像
　　Ｋ３　　第３基準画像
　　Ｋ４　　第４基準画像
　　Ｆ　　　視野
　　Ｆ１　　第１視野
　　Ｆ１ａ　外周
　　Ｆ１ｂ　右端
　　Ｆ２　　第２視野
　　Ｆ２ａ　外周
　　Ｆ２ｂ　左端
　　Ｆ３　　第３視野
　　Ｆ３ａ　外周
　Ｆ３ｂ　　上端
　　Ｆ４　　第４視野
　　Ｆ４ａ　外周
　　Ｆ４ｂ　左上端
　　ＦＡ　　任意視野
　　ＦＢ　　隣接視野
　　Ｇ　　　画素
　　Ｇ０　　値
　　Ｇ１　　値
　　１　　　自動欠陥分類装置
　　２　　　メモリ

Claims (7)

  1. 　被検査対象に発生した欠陥のパターンを分類する欠陥分類装置であって、
    　前記被検査対象は、互いに隣接した複数の視野に区画されるように撮像されており、
    　複数の前記視野のうちの一の前記視野である任意視野の外周に前記欠陥が含まれ且つ複数の前記視野のうちの前記任意視野に隣接する他の前記視野である隣接視野の前記外周に前記欠陥が含まれる場合に、前記任意視野と前記隣接視野とを結合した状態にて前記欠陥の前記パターンを分類する、欠陥分類装置。
  2. 　請求項１に記載の欠陥分類装置であって、
    　前記任意視野における前記隣接視野側の前記外周に前記欠陥が含まれ且つ前記隣接視野における前記任意視野側の前記外周に前記欠陥が含まれる場合に、前記任意視野と前記隣接視野とを結合した状態にて前記欠陥の前記パターンを分類する、欠陥分類装置。
  3. 　請求項１又は２に記載の欠陥分類装置であって、
    　前記任意視野は、複数の画素に区画されており、
    　前記隣接視野は、複数の前記画素に区画されており、
    　前記任意視野における前記外周の前記画素に前記欠陥が含まれ且つ前記隣接視野における前記外周の前記画素に前記欠陥が含まれる場合に、前記任意視野と前記隣接視野とを結合した状態にて前記欠陥の前記パターンを分類する、欠陥分類装置。
  4. 　請求項３に記載の欠陥分類装置であって、
    　前記画素は、前記欠陥が含まれる状態を示す値と前記欠陥が含まれない状態を示す値との２値で構成されている、欠陥分類装置。
  5. 　請求項１に記載の欠陥分類装置であって、
    　前記隣接視野は、前記任意視野の上下左右の少なくともいずれかに配置されている、欠陥分類装置。
  6. 　請求項１に記載の欠陥分類装置であって、
    　前記任意視野の前記外周に前記欠陥が含まれる場合に、前記任意視野をメモリに記憶して、
    　前記隣接視野の前記外周に前記欠陥が含まれる場合に、前記隣接視野を前記メモリに記憶して、
    　前記任意視野と前記隣接視野とを前記メモリから出力して、前記任意視野と前記隣接視野とを結合した状態にて前記欠陥の前記パターンを分類する、欠陥分類装置。
  7. 　被検査対象に発生した欠陥のパターンを分類する欠陥分類方法であって、
    　前記被検査対象は、互いに隣接した複数の視野に区画されるように撮像されており、
    　複数の前記視野のうちの一の前記視野である任意視野の外周に前記欠陥が含まれ且つ複数の前記視野のうちの前記任意視野に隣接する他の前記視野である隣接視野の前記外周に前記欠陥が含まれる場合に、前記任意視野と前記隣接視野とを結合した状態にて前記欠陥の前記パターンを分類する、欠陥分類方法。
PCT/JP2024/000742 2023-02-09 2024-01-15 欠陥分類装置及び欠陥分類方法 Ceased WO2024166609A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2023-018602 2023-02-09
JP2023018602A JP2024113537A (ja) 2023-02-09 2023-02-09 欠陥分類装置及び欠陥分類方法

Publications (1)

Publication Number Publication Date
WO2024166609A1 true WO2024166609A1 (ja) 2024-08-15

Family

ID=92262310

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2024/000742 Ceased WO2024166609A1 (ja) 2023-02-09 2024-01-15 欠陥分類装置及び欠陥分類方法

Country Status (3)

Country Link
JP (1) JP2024113537A (ja)
TW (1) TW202433626A (ja)
WO (1) WO2024166609A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN121275777A (zh) * 2025-12-09 2026-01-06 常州润来科技有限公司 一种非接触式铜管表面锯齿伤检测方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009025003A (ja) * 2007-07-17 2009-02-05 Nikon Corp 表面状態検査装置
US20160125583A1 (en) * 2013-06-07 2016-05-05 Asti Holdings Limited Systems and methods for automatically verifying correct die removal from film frames
JP2018179563A (ja) * 2017-04-04 2018-11-15 新日鐵住金株式会社 表面検査装置および表面検査方法
JP2020148744A (ja) * 2019-03-15 2020-09-17 シャープ株式会社 画像処理装置、および、画像処理方法
WO2021260263A1 (en) * 2020-06-24 2021-12-30 Procemex Oy Smart synchronization method of a web inspection system
JP2022055953A (ja) * 2020-09-29 2022-04-08 タカノ株式会社 欠陥分類装置、欠陥分類方法及びプログラム
WO2022190636A1 (ja) * 2021-03-12 2022-09-15 オムロン株式会社 支援装置および方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009025003A (ja) * 2007-07-17 2009-02-05 Nikon Corp 表面状態検査装置
US20160125583A1 (en) * 2013-06-07 2016-05-05 Asti Holdings Limited Systems and methods for automatically verifying correct die removal from film frames
JP2018179563A (ja) * 2017-04-04 2018-11-15 新日鐵住金株式会社 表面検査装置および表面検査方法
JP2020148744A (ja) * 2019-03-15 2020-09-17 シャープ株式会社 画像処理装置、および、画像処理方法
WO2021260263A1 (en) * 2020-06-24 2021-12-30 Procemex Oy Smart synchronization method of a web inspection system
JP2022055953A (ja) * 2020-09-29 2022-04-08 タカノ株式会社 欠陥分類装置、欠陥分類方法及びプログラム
WO2022190636A1 (ja) * 2021-03-12 2022-09-15 オムロン株式会社 支援装置および方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN121275777A (zh) * 2025-12-09 2026-01-06 常州润来科技有限公司 一种非接触式铜管表面锯齿伤检测方法及系统
CN121275777B (zh) * 2025-12-09 2026-03-13 常州润来科技有限公司 一种非接触式铜管表面锯齿伤检测方法及系统

Also Published As

Publication number Publication date
JP2024113537A (ja) 2024-08-22
TW202433626A (zh) 2024-08-16

Similar Documents

Publication Publication Date Title
KR101192053B1 (ko) 반도체 기판 이상들을 검출하기 위한 장치 및 방법
JP2010217169A (ja) 印刷回路基板の外観検査システム及びその方法
KR20190003790A (ko) 결합된 패치 및 설계 기반 결함 검출
WO2024166609A1 (ja) 欠陥分類装置及び欠陥分類方法
KR20090008185A (ko) 표면 검사 장치
JP2004109018A (ja) 回路パターン検査方法および検査装置
US10466179B2 (en) Semiconductor device inspection of metallic discontinuities
KR102352698B1 (ko) 자동화된 이미지 기반 프로세스 모니터링 및 제어
EP2063259A1 (en) Method for inspecting mounting status of electronic component
WO2010004914A1 (ja) 致命傷の検出方法
JP7824801B2 (ja) 欠陥検査装置及び欠陥検査方法
CN107256835A (zh) 一种凸块缺陷检测方法
TWI679611B (zh) 薄膜檢查方法
KR100673392B1 (ko) 필름, 테이프 형태의 인쇄회로기판 외관 검사에서의 과검출방지를 위한 시스템 및 그 처리 방법
KR102737243B1 (ko) 웨이퍼 결함 검출을 위한 투영 및 거리 분할 알고리즘
CN106248689B (zh) 复合膜的缺陷判别方法
JP2013245985A (ja) 欠陥検査装置、欠陥検査方法、及び欠陥検査プログラム
JP5018182B2 (ja) 半導体装置の製造方法
JP2025098638A (ja) 欠陥分類装置
TW202339040A (zh) 缺陷分類裝置
JP3803677B2 (ja) 欠陥分類装置及び欠陥分類方法
KR102886462B1 (ko) 패턴이 형상화되어 있는 표면 이물 연속 검출 및 이물 자동 세정 장치
KR20050117710A (ko) 웨이퍼 결함 검출 방법
US20250086780A1 (en) Concentricity offset measurement for hybrid bonding
Yin Analysis of optical inspection from aoi and avi machines

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: 24753055

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: 24753055

Country of ref document: EP

Kind code of ref document: A1