DE10037697A1

DE10037697A1 - Adaptive Maskentechnik zur Inspektion von Defekten

Info

Publication number: DE10037697A1
Application number: DE10037697A
Authority: DE
Inventors: Hamid K Aghajan
Original assignee: Schlumberger Technologies Inc
Current assignee: Applied Materials Inc
Priority date: 1999-08-02
Filing date: 2000-08-02
Publication date: 2001-03-15
Anticipated expiration: 2020-08-03
Also published as: TW581865B; JP4601134B2; KR20010021173A; KR100727190B1; JP2001133418A; FR2799027A1; DE10037697B4; US6614924B1

Abstract

Ein zweidimensionales Streuungsdiagramm wird durch Auftragen der Graustufen von Pixeln von einem Testbild gegenüber den Graustufen von entsprechenden Pixeln von einem Referenzbild erzeugt. Ein Rauschunterdrückungsfilter wird auf das Streuungsdiagramm angewendet, um eine Maskenform zu definieren, die herausgelöst und aufgefüllt werden kann, um eine Maske zu bilden. Defektpixel im Testbild werden identifiziert, indem entsprechende Pixelgrauwerte mit der Maske verglichen werden. Eine typische Anwendung ist das Erfassen von Defekten in einem Halbleiterwafer während des Bauteileherstellungsprozesses.

Description

Diese Erfindung betrifft im Allgemeinen die digitale Bildverarbeitung und betrifft insbe sondere Systeme und Verfahren zum Erfassen von Defekten in einem Halbleiterbau element unter Verwendung von Bildvergleichstechniken.

Beschreibung des Stands der Technik

Bildvergleichstechniken werden verwendet, um Defekte in Halbleiterwafern zu erfassen. Typischerweise wird ein Testbild erfasst und anschließend mit einem Referenzbild ver glichen. Sodann wird ein Defekterkennungsalgorithmus verwendet, um Abweichungen bzw. Variationen zwischen den Bildern zu erfassen und um zu bestimmen, ob derartige Abweichungen echte Defekte sind. In dem sogenannten Zufallslogikinspektionsmodus wird ein Bild einer ersten Chipfläche erfasst und anschließend mit dem Bild einer zwei ten Chipfläche auf dem gleichen Wafer verglichen. Der Array-Inspektionsmodus wird in ähnlicher Weise ausgeführt, mit Ausnahme, dass ein Querschnitt einer Chipfläche mit einem weiteren Querschnitt in der Chipfläche mit einer identischen Struktur verglichen wird. Der Array-Inspektionsmodus wird beispielsweise beim Testen von Elementen mit sich wiederholenden Strukturen, wie z. B. Speicherzellen, verwendet. Statt durch Ver gleichen von Bildern eines Wafers, der gerade getestet wird, können Defekte ebenso erfasst werden, indem ein erfasstes Testbild mit einem bekannten Bild aus einer Daten bank verglichen wird.

Fig. 1 stellt ein Defekterfassungsverfahren gemäß dem Stand der Technik dar. Es wer den ein Testbild und ein Referenzbild der zu untersuchenden Waferstruktur aus ver schiedenen Bereichen des Wafers unter Verwendung beispielsweise herkömmlicher Elektronenstrahlabbildungsverfahren erfasst (Schritt 110). Jedes Bild umfasst mehrere Pixel, wobei jedes Pixel durch seine Position innerhalb des Bildes und durch seinen In tensitäts- oder Grauwert bzw. Graustufe definiert ist. Die Verwendung von Graustufen in der Bildverarbeitung ist im Stand der Technik bekannt und wird in R. C. Gonzales und R. E. Woods, "Digital Image Processing", Addison-Wesley (1992), beispielsweise auf den Seiten 6 bis 7, beschrieben. Die beiden Bilder werden dann pixelweise ausgerichtet bzw. justiert, so dass jedes Strukturmerkmal im Testbild mit dem entsprechenden Struktur merkmal im Referenzbild (Schritt 120) übereinstimmt. Anschließend wird ein Differenz bild erzeugt, indem die Graustufen der beiden Bilder subtrahiert werden (Schritt 130). Da sich übereinstimmende Pixel mit identischen Graustufen gegeneinander aufheben, stellt das Differenzbild Pixelgraustufenvariationen zwischen dem Referenzbild und dem Testbild dar. Die Graustufe bzw. der Grauwert jedes Pixels im Differenzbild wird skaliert, normiert und anschließend in einem eindimensionalen Histogramm, etwa einem Histogramm 200, das in Fig. 2 gezeigt ist, aufgezeichnet (Schritt 140). Das Histogramm 200 stellt die Anzahl von Pixeln im Differenzbild dar, die einen speziellen Grauwert bzw. eine spezielle Graustufe aufweisen. Beispielsweise zeigt Histogramm 200 an, dass es 20000 Pixel im Differenzbild mit einem Grauwert von 50 gibt.

Ein Pixel aus dem Testbild kann zu einem entsprechenden Pixel im Referenzbild selbst dann unterschiedlich sein, wenn es keine Defekte in den beiden Bildern gibt. Intensitäts schwankungen können beispielsweise durch Unterschiede im physikalischen Aufbau der Schichten, Rauschen in der Bilderfassungselektronik und in den Signalwegen, und ei nem schwankenden Rauschmodulationspegel innerhalb eines einzelnen Bildes über unterschiedliche Graustufen bewirkt werden. Somit deuten Pixel im Differenzbild nicht notwendigerweise an, dass ein Defekt vorhanden ist. Um echte Defekte von falschen oder "Ärgernis-"Defekten zu unterscheiden, wird jedes Pixel im Differenzbild mit einem Schwellwertfenster verglichen (Fig. 1, Schritt 150). Pixel mit einer Graustufe außerhalb des Schwellwertfensters werden als Defekte erklärt. Wenn beispielsweise das Schwell wertfenster bei ± 50 liegt und ein Pixel im Differenzbild einen Grauwert von 60 besitzt, (d. h. die Grauwerte des Test- und Referenzbildes unterscheiden sich um 60 Einheiten), wird dies als ein Defektereignis bezeichnet (Fig. 1, Schritt 160). Das Defektereignis wird dann von einem Bediener verifiziert, um sicherzustellen, dass die Chipfläche tatsächlich fehlerhaft ist, bevor die Chipfläche in der nachfolgenden Verarbeitung verworfen wird.

Das Auffinden des optimalen Schwellwertes für ein gegebenes Testbild ist eine wichtige aber ungenaue Aufgabe. Der Schwellenwert muss so gewählt werden, dass echte De fekte erfasst werden, während Ärgernisdefekte davon unterschieden werden. Je enger der Schwellenwertbereich ist, desto mehr Ärgernisdefekte werden gekennzeichnet. Är gernisdefekte beeinflussen den Produktionsdurchsatz negativ, da jedes Defektereignis geprüft und verifiziert werden muss. Andererseits verringert ein Aufweiten des Schwell wertfensters Ärgernisdefektereignisse auf Kosten von nicht erfassten echten Defekten.

Aus dem Vorhergehenden geht hervor, dass ein Defekterfassungsverfahren höchst wünschenswert ist, das reale Defekte erfassen kann, während das Berichten über Är gernisdefekte minimiert wird.

Überblick

Es wird ein neues Verfahren und eine damit verknüpfte Vorrichtung zum Erfassen von Defekten offenbart. In der erfindungsgemäßen Ausführungsform werden ein erstes Bild und ein zweites Bild bereitgestellt und ausgerichtet bzw. justiert. Ein erstes zweidimen sionales Streuungsdiagramm wird erzeugt, indem die Grauwerte der Pixel des ersten Bildes gegenüber den Grauwerten der entsprechenden Pixel des zweiten Bildes aufge tragen werden. Sodann wird ein zweites zweidimensionales Streuungsdiagramm er zeugt, indem die Datenpunkte des ersten Streuungsdiagramms gefiltert werden. Das zweite Streuungsdiagramm liefert eine Maskenform, die herausgelöst und aufgefüllt werden kann, um eine Maske zu erzeugen. Defekte werden identifiziert, indem die Grauwerte der entsprechenden Pixel aus den ersten und zweiten Bildern mit der Maske verglichen werden.

Kurze Beschreibung der Zeichnungen

Fig. 1 zeigt ein Defekterfassungsverfahren gemäß dem Stand der Technik.

Fig. 2 zeigt ein eindimensionales Histogrammdiagramm von Grauwerten.

Fig. 3 zeigt die Schritte einer Ausführungsform der vorliegenden Erfindung.

Fig. 4A-4C zeigen einen Justierschritt gemäß der vorliegenden Erfindung.

Fig. 5 zeigt ein zweidimensionales Streuungsdiagramm gemäß der vorliegenden Erfindung.

Fig. 6-7 zeigen jeweils ein Testbild und ein Referenzbild, das von einem Bauele mentwafer abgenommen wurde.

Fig. 8 zeigt ein zweidimensionales Streuungsdiagramm gemäß der vorliegenden Erfindung.

Fig. 9A-9B zeigen das Ergebnis der Anwendung eines morphologischen Filters auf das in Fig. 8 gezeigte zweidimensionale Streuungsdiagramm.

Fig. 10A-10C zeigen eindimensionale Abstandsprofile gemäß der vorliegenden Erfin dung.

Fig. 11 zeigt eine Maske gemäß der vorliegenden Erfindung.

Fig. 12 zeigt eine einem ungefilterten zweidimensionalen Streuungsdiagramm überlagerte Maske.

Fig. 13 zeigt eine Defektkarte eines Wafers, die unter Verwendung einer adapti ven Maske erhalten wurde.

Fig. 14 zeigt einen vorbestimmten Schwellenwert, der einem ungefilterten zweidi mensionalen Streuungsdiagramm überlagert ist.

Fig. 15 zeigt eine Defektkarte eines Wafers, die unter Verwendung eines vorbe stimmten Schwellenwerts erhalten wurde.

Detaillierte Beschreibung

Die vorliegende Erfindung überwindet die Einschränkungen von Defekterfassungsver fahren gemäß dem Stand der Technik, indem ein angepasstes schwellwertbildendes Schema auf ein Paar von Bildern, die analysiert werden, angewendet wird. Im Gegen satz zu Verfahren gemäß dem Stand der Technik, die einen vorbestimmten Schwellwert für alle Bildpaare verwenden, verwendet dieses Verfahren eine Schwellwertmaske, die für jedes Paar an Bildern angepasst wird. Die Erfindung kann in einer Vielzahl von Ab bildungsmöglichkeiten einschließlich in Elektronenstrahl, Heilfeld, Dunkelfeld, Laser und Atombindungsmikroskopie ("AFM") -Inspektionssystemen verwendet werden.

Fig. 3 zeigt die Schritte einer erfindungsgemäßen Ausführungsform. Im Schritt 310 wer den ein Testbild und ein Referenzbild beispielsweise von Halbleiterstrukturen unter Ver wendung herkömmlicher Bilderfassungstechniken erfasst. Die Bilder können ebenfalls unter Anwendung des Schritt- und Bilderfassungssystems erfasst werden, das im US- Patent mit der Seriennummer 09/226,967 offenbart ist.

Im Schritt 320 werden das Testbild und das Referenzbild so ausgerichtet, um an ent sprechenden Pixeln in den beiden Bildern übereinzustimmen. Es kann eine Vielzahl von Justiertechniken in Verbindung mit der vorliegenden Erfindung verwendet werden, ein schließlich dem Verfahren, dass in der US-Patentanmeldung mit der Seriennummer 09/227,747 offenbart ist. Der Justierschritt ist erforderlich, um sicherzustellen, dass je des Strukturmerkmal im Testbild mit einem äquivalenten Strukturmerkmal im Referenz bild verglichen wird.

Der Schritt 320 ist ferner in den Fig. 4A-4C dargestellt. Fig. 4A zeigt ein Testbild 410 mit Pixeln 411-416. Jedes Pixel ist durch seinen Grauwert und seine Position in dem Bild definiert. Beispielsweise liegt Pixel 413 an der Position i = 10 und j = 30 (d. h. (10, 30)). Aus Darstellungsgründen hat der Grauwert des Pixels 413 den Wert 50. Tabelle 1 liefert die Koordinatenpositionen und Grauwerte für jedes Pixel des Testbilds 410, während Ta belle 2 die gleiche Information für die Pixel 421-426 des Referenzbildes 420 (Fig. 48) liefert.

Tabelle 1

Tabelle 2

Fig. 4C stellt grafisch die Ausrichtung des Testbildes 410 zum Referenzbild 420 dar. Die ausgerichtete Pixelposition 431 umfasst die Pixel 411 und 421, die ausgerichtete Pixel position 432 umfasst die Pixel 412 und 422, usw.

Wenn das Referenzbild und das Testbild ausgerichtet sind, ist die Pixel-Zuordnung zwi schen dem Testbild und dem Referenzbild bekannt. Ein zweidimensionales ("2D") Streuungsdiagramm wird erzeugt, indem der Grauwert eines Pixels aus dem Testbild gegen den Grauwert des entsprechenden Pixels im Referenzbild für jede ausgerichtete Pixelposition aufgetragen wird (Fig. 3, Schritt 330). Unter Verwendung der Fig. 4C als ein Beispiels wird der Grauwert des Pixels 411 gegen den Grauwert des Pixels 421, der Grauwert des Pixels 412 gegen den Grauwert des Pixels 422 usw. aufgetragen. Anwen den des Schritts 330 für die Positionen 431-436 ergibt die in Tabelle 3 gezeigten Daten. Das resultierende zweidimensionale Streuungsdiagramm 500 ist in Fig. 5 gezeigt.

Tabelle 3

Tabelle 3 zeigt, dass die ausgerichteten Pixelpositionen 434, 435 und 436 variierende bzw. unterschiedliche Grauwerte aufweisen und damit die Anwesenheit möglicher De fekte anzeigen. Die Positionen 431, 432 und 433 sind defektfrei, da das Testbild und das Referenzbild in diesen Position die gleichen Grauwerte aufweisen. Das Streuungs diagramm 500 (Fig. 5) liefert Informationen bezüglich der Anwesenheit möglicher De fekte. Alle ausgerichteten Pixelpositionen mit den gleichen Grauwerten können im Streuungsdiagramm 500 durch eine imaginäre Linie 501 repräsentiert werden. Die Stei gung der imaginären Linie 501 beträgt +1, da sie die ausgerichteten Pixelpositionen rep räsentiert, an denen der Grauwert des Testbildpixels gleich dem Grauwert des entspre chenden Pixels im Referenzbild ist. Alle ausgerichteten Pixelpositionen mit variierenden Grauwerten werden von der imaginären Linie 501 entfernt liegen. Je weiter eine Position von der Linie 501 entfernt gezeichnet ist, umso größer ist die Abweichung im Grauwert und umso größer die Wahrscheinlichkeit, dass in dieser Position ein Defekt existiert. Im Streuungsdiagramm 500 sind die Positionen 434, 435 und 436 nicht auf der imaginären Linie 501 und zeigen die Anwesenheit möglicher Defekte an. In dieser Offenbarung wird die Abkürzung (t_gray, r_gray) verwendet, um die Koordinaten eines Datenpunkts eines 2D- Streuungsdiagramms zu kennzeichnen, um diesen von einer Bildpixelposition zu unter scheiden, die durch die Abkürzung (i, j) gekennzeichnet wird. Beispielsweise ist die aus gerichtete Pixelposition 435 als ein Datenpunkt im 2D-Streuungsdiagramm in der Positi on (200, 100) definiert.

Ein Pseudo-Code zum Implementieren eines zweidimensionalen Streuungsdiagramms in einer Computersoftware ist unten gezeigt. In dem Pseudo-Code werden die Graustu fenwerte in eine Speicherarrayvariable ("Scatter") geschrieben.

2D-Streuungsdiagramme sind ebenfalls offenbart in der US-Patentanmeldung mit der Nr. 09/365,517.

Die Fig. 6-8 fassen bildlich die Schritte 310, 320 und 330 der in Fig. 3 gezeigten Ausfüh rungsform zusammen. Fig. 6 zeigt ein Testbild 600, das in herkömmlicherweise von ei nem Wafer mit einem Defekt 601 erfasst wird. Es wird ein Referenzbild 700 (Fig. 7) er fasst und anschließend zu dem Testbild 600 ausgerichtet (nicht gezeigt). Ein 2D- Streuungsdiagramm 800 (Fig. 8) wird erzeugt, indem die Grauwerte der Pixel des Test bildes gegen die Grauwerte der entsprechenden Pixel aus dem Referenzbild aufgetra gen werden. Das Streuungsdiagramm kann per Hand oder unter Anwendung eines pro grammierten Computers erzeugt werden. Die Datenpunkte des Streuungsdiagramms 800 werden als weiße Punkte auf schwarzem Hintergrund gezeichnet. Eine Linie 801 definiert die ausgerichteten Pixelpositionen, wobei die Grauwerte der Testbildpixel und die der Referenzbildpixel identisch sind. Wenn beispielsweise das Testbild 600 zum Referenzbild 700 identisch war, würden alle Datenpunkte des Streuungsdiagramms 800 auf der Linie 801 liegen.

Das Streuungsdiagramm 800 enthält Graustufeninformationen für alle Pixel im Testbild und im Referenzbild einschließlich von Pixeln des Defekts 601. Wie zuvor erläutert wur de, wird eine größere Wahrscheinlichkeit, dass der Datenpunkt die Anwesenheit eines Defekts anzeigt, durch eine größere Entfernung des Datenpunkts von der Linie 801 ge kennzeichnet. Dieses erfindungsgemäße Verfahren nützt diese Information aus und bil det eine "Maske", die dem Streuungsdiagramm 800 "überlagert" werden kann, um De fektpixel von "guten" Pixeln zu unterscheiden. Datenpunkte außerhalb der Maske wer den als Defektereignisse deklariert.

Um das Profil oder die Grenzen der Maske zu finden, wird auf die Datenpunkte des Streuungsdiagramms 800 ein Rauschunterdrückungsfilter angewendet (Fig. 3, Schritt 340). Es kann eine Reihe herkömmlicher Rauschunterdrückungsfilter mit der vorliegen den Erfindung einschließlich zum Beispiel von morphologischen Filtern verwendet wer den. Morphologische Filter sind im Stand der Technik bekannt und sind beschrieben in B. Jahne, "Digital Image Processing Concepts, Algorithms, and Scientific Applications," Springer Verlag (1991), Kapitel 11, und in R. C. Gonzales und R. E. Woods, "Digital Image Processing," Addison-Wesley (1992), Kapitel 8 beschrieben. Ein morphologi sches Filtern wird die Datenpunkte des Streuungsdiagramm 800 "verdichten" und "be reinigen", um eine Maskenform zu definieren. Das in Fig. 9A gezeigte 2D- Streuungsdiagramm 950 ist das Ergebnis des Anwendens eines morphologischen Fil ters auf das Streuungsdiagramm 800. Das Streuungsdiagramm 950 enthält die Mas kenform 900.

Das Herauslösen von Grenzen ist der Vorgang des Erhaltens der Koordinaten des Grenzdatenpunktes einer Maskenform (Fig. 3, Schritt 350). Ein Algorithmus zum Her auslösen der Grenze einer Maskenform 900 ist wie folgt:

Algorithmus zum Herauslösen einer Maskenform

1. Wie in Fig. 9B gezeigt ist, Erzeugen einer Linie 901, die sich von der oberen linken Ecke zur unteren rechten Ecke des Streuungsdiagramms 950 erstreckt.
2. Erzeugen zweier Zahlenanordnungen zur Verfolgung senkrechter Abstände von der Linie 901 zu einem Grenzdatenpunkt. Eines der Arrays wird als UPPER be zeichnet. UPPER wird verwendet, um senkrechte Abstände von Grenzpunkten über der Linie 901 zu verfolgen (d. h. ein Gebiet, das durch den Pfeil 902 bezeichnet ist). Das andere Array, LOWER, wird verwendet, um senkrechte Abstände von Grenzpunkten unterhalb der Linie 901 zu verfolgen (das Gebiet, das durch Pfeil 903 bezeichnet ist). Ein Beispiel eines senkrechten Abstandes ist die Länge der senkrechten Linie 904, die sich von der Linie 901 zu einem Grenzpunkt 905 er streckt. Ein weiteres Beispiel ist die Länge der Linie 906, die eine senkrechte Linie darstellt, die sich von der Linie 901 zum Grenzpunkt 907 erstreckt.
3. Initialisieren aller Elemente des Arrays UPPER und LOWER mit logisch 0.
4. Für jede Koordinatenposition (t_gray r_gray) in dem Streuungsdiagramm 950 überprü fen, ob die Koordinate einen Datenpunkt besitzt. Wenn ja, mit Schriften (a5) bis (a9) weitermachen; andernfalls zur nächsten Position im Streuungsdiagramm weitergehen. In den Fig. 8, 9A und 9B sind die Datenpunkte weiß auf schwarzem Hintergrund gezeichnet (d. h., ein Datenpunkt oder eine logische 0 wird als ein weißer Punkt gezeichnet, während eine logische 0 oder die Abwesenheit eines Datenpunkts als ein schwarzer Punkt gezeichnet wird). Somit enthalten die dunk len Bereiche der Fig. 9B keine Datenpunkte und werden ignoriert.
5. Wenn die Streuungsdiagrammsposition einen Datenpunkt besitzt, Messen seines senkrechten Abstandes D_perp von der Linie 901. Ferner Berechnen der Position dieses Datenpunkts R_profile entlang eines eindimensionalen ("1D") Distanzprofils. 1D-Distanzprofile werden im Folgenden beschrieben. R_profile kann unter Verwen dung von Gleichung 1 berechnet werden.
R_profile(t_gray+ r_gray)/2 (Gleichung 1)
6. Wenn die Koordinaten (t_gray, r_gray) über der Linie 901 liegen, wird D_perp ein positiver Wert zugeordnet. Im anderen Falle ist D_perp negativ.
7. Wenn D_perp größer als der augenblicklich im Element R_profile des Arrays UPPER gespeicherte senkrechte Abstand ist, Speichern von D_perp im Element R_profile von UPPER.
8. Wenn D_perp kleiner als der augenblicklich im Element R_profile des Arrays LOWER gespeicherte senkrechte Abstand ist, Speichern von D_perp im Element R_profile von LOWER.
9. Fortsetzen für alle Datenpunkte.

Nach dem Ausführen des obigen Maskenformen-Herauslösungsalgorithmus, enthalten die Arrays UPPER und LOWER die senkrechten Abstände der Maskenformgrenzpunk te. Die senkrechten Abstände und ihre entsprechenden R_profile können verwendet wer den, um ein 1D-Distanzprofil 1000 zu erzeugen, das in Fig. 10A gezeigt ist. Eine Kurve 1010 ist der Graph, der in den Elementen R_profile des Arrays UPPER gespeicherten senk rechten Abständen, während die Kurve 1020 ein ähnlicher Graph für das Array LOWER ist. Um die herausgelöste Maskenform besser zu verdeutlichen, kann das; Distanzprofil 1000 unter Verwendung von beispielsweise eines Algorithmus für eine laufende Mittel wertbildung geglättet werden. Algorithmen für laufende Mittelwertbildung sind im Stand der Technik bekannt und sind beschrieben in A. V. Oppenheim und R. W. Schafer, "Discrete-Time Signal Processing"; Prentice-Hall (1989), beschrieben. Das in Fig. 10B gezeigte Distanzprofil 2000 ist das Ergebnis der Anwendung eines Algorithmus für eine laufenden Mittelwertbildung auf das Distanzprofil 1000. Die Kurven 1030 und 1040 sind jeweils die laufenden Mittelwerte der Kurven 1010 und 1020.

Optional kann ein Empfindlichkeitsspielraum bzw. -bereich für die herausgelöste Mas kenform verwendet werden (Fig. 3, Schritt 360), um es einem Anwender zu ermögli chen, die Ausdehnung der Maske zu variieren. Der Anwender-gewählte Empfindlich keitswert kann verwendet werden, um die herausgelöste Maskenform zu skalieren oder zu verschieben. Kurve 1050 in Fig. 10C zeigt das Ergebnis des Addierens eines Emp findlichkeitswertes S_value zu jedem Punkt der Kurve 1030. Kurve 1060 ist das Ergebnis der Subtraktion von S_value von jedem Punkt der Kurve 1040.

Es wird eine Maskennachschlagtabelle erzeugt, indem alle Koordinatenpositionen in nerhalb der Grenze der herausgelösten Maskenform aufgefüllt werden (Fig. 3, Schritt 370). Es wird ein Algorithmus zum Auffüllen der herausgelösten Maskenform unter Ver wendung des Streuungsdiagramms 950, das in Fig. 9B gezeigt ist, veranschaulicht.

Algorithmus zum Auffüllen eines Maskenformgebietes

1. Erzeugen eines zweidimensionalen Streuungsdiagramms Matter. Es werden alle Datenpunkte von Mscatter auf logisch 1 gesetzt.
2. Für jede Position (t_gray, r_gray) des Streuungsdiagramms 950, Berechnen von R_profile unter Verwendung von Gleichung 1, und Erhalten des senkrechten Abstandes D_perp.
3. Auftragen von R_profile und D_perp im Distanzprofil 2000, das in Fig. 10B gezeigt ist (oder in dem Distanzprofil, das in Fig. 10C gezeigt ist, wenn ein Empfindlichkeits spielraum verwendet wird). Wenn der Punkt (R_profile, D_perp) von den Kurven 1030 und 1040 umschlossen wird, Zurücksetzen der Position (t_gray, r_gray) von M_scatter auf logisch 0. Im anderen Falle, zur nächsten Position (t_gray, r_gray) des Streuungsdia gramms 950 Weitergehen.
4. Fortsetzen für alle Positionen.

Der obige Algorithmus hat ein in Fig. 11 gezeigtes M_scatter 1100 zur Folge. M_scatter 1100 enthält eine Maske 1110, die verwendet werden kann, um Defektpunkt in einem zweidi mensionalen Streuungsdiagramm zu erfassen. Alle Punkte innerhalb der Maske 1110 befinden sich auf logisch "0". Fig. 12 zeigt die dem Streuungsdiagramm 800 überlagerte Maske 1110. Datenpunkte außerhalb der Maske werden als Defektereignisse deklariert.

Ein Algorithmus zur Verwendung der Maske 1110 zum Erfassen von Defekten ist wie folgt:

Algorithmus zur Defekterfassung und zur Verwendung einer Maske

1. Für alle Pixel eines Testbildes und eines Referenzbildes, jeweils Auslesen der entsprechenden Grauwerte t_gray und r_gray.
2. Wenn die Position (t_gray, r_gray) 1100 M_scatter 1100 eine logische 0 ist, zeigt dies an, dass die Position innerhalb der Maske liegt und somit kein Defektereignis ist. Fortfahren mit dem nächsten Pixel des Testbildes und des Referenzbildes.
3. Wenn die Position (t_gray, r_gray) von Matter 1100 eine logische 1 ist, befindet sich die Position außerhalb der Maske und es gibt einen Defekt. Es wird über ein De fektereignis Bericht erstattet.
4. Fortfahren für alle Pixelpaare des Testbildes und des Referenzbildes.

Der Anhang A liefert weitere Beispiele, wie die vorliegende Erfindung implementiert werden kann. Anhang A listet den Quellcode für eine C-programmierte Funktion gemäß der vorliegenden Erfindung auf. Der Code kann von einem Computer oder einem Pro zessor, der vorzugsweise an ein Defektinspektionssystem oder einem Teil davon ge koppelt ist, ausgeführt werden. Selbstverständlich speichert ein derartiges System typi scherweise diesen Quellcode und die resultierenden Diagramme, Masken, etc. in einem computerlesbaren Medium (Speicher). Tabelle 4 zeigt die Entsprechung zwischen den Schritten der Erfindung und dem im Anhang A aufgelisteten Quellcode.

Tabelle 4

Die Fig. 13 bis 15 zeigen weiterhin die Wirksamkeit des erfindungsgemäßen Verfahrens. Die Verwendung von M_scatter 1100 zur Erfassung von Defekten im Streuungsdiagramm 800 unter Verwendung der Schritte (c1)-(c4) ergibt eine Defektkarte 1300, die in Fig. 13 gezeigt ist. Anzumerken ist, dass die Defektkarte 1300 einen Defekt 601 des Testbil des 600 (Fig. 6) korrekt identifiziert.

Fig. 14 zeigt grafisch die Anwendung eines vorbestimmten, durch die Linien 1401 und 1402 definierten Schwellenwertes auf das Streuungsdiagramm 800. Die Verwendung vorbestimmter Schwellenwerte ist ebenfalls in der US-Patentanmeldung 09/365,517 offenbart. Punkte, die nicht von den Linien 1401 und 1402 umschlossen sind, werden als Defektereignisse deklariert. Fig. 15 zeigt eine Defektkarte, die aus der Anwendung des vorbestimmten Schwellenwertes auf das Streuungsdiagramm 800 hervorgeht. Zu bemerken ist, dass zahlreiche Ärgernisdefekte erfasst werden, ohne den Defekt 601 zu ermitteln.

Selbstverständlich ist die oben gegebene Beschreibung lediglich zum Zwecke der Dar stellung und nicht zur Einschränkung beabsichtigt. Zahlreiche Variationen sind möglich, ohne vom Schutzbereich und Grundgedanken der Erfindung abzuweichen. Die Erfin dung wird in den folgenden Patentansprüchen definiert.

FIGURENBESCHREIBUNG Fig. 1

110

Erfassen von Referenzbild und Testbild

120

Ausrichten der Bilder

130

Differenzbild (Referenz - Test)

140

Skalieren, Normieren, Histogramm

150

Schwellwert

160

Berichten über Defektereignisse

Fig. 2

1

Grauwert

2

Anzahl der Pixel

Fig. 3

310

Erfassen eines Testbildes und eines Referenzbildes

320

Ausrichten des Testbildes und des Referenzbildes

330

Erzeugen eines 2D-Streuungsdiagramms

340

Rauschunterdrückungsfilter

350

Herauslösen der Maskenformengrenze

360

Hinzufügen eines Empfindlichkeitsspielraums (optional)

370

Auffüllen des Maskenbereichs

380

Anwenden der Maske auf das 2D-Streuungsdiagramm

390

über Defekte berichten

Fig. 5

1

Testbildgraustufen

2

Referenzbildgraustufe

Fig. 6

601

Defekt

Fig. 12

1

Defekte

Fig. 13

1

Defekt

Claims

1. Verfahren zum Erfassen von Defekten mit den Schritten:

a) Bereitstellen eines ersten Bildes eines zu inspizierenden Objektes und ei nes assoziierten zweiten Bildes;
b) Ausrichten des ersten Bildes mit dem zweiten Bild;
c) Erzeugen eines ersten Diagramms durch Auftragen der Graustufen der Pi xel von dem ersten Bild gegen die Graustufen von entsprechenden Pixel von dem zweiten Bild;
d) Erzeugen eines zweiten Diagramms durch Filtern des ersten Diagramms;
e) Erzeugen einer Maske, wobei die Maske ein durch die Form des zweiten Diagramms definiertes Profil aufweist; und,
f) Verwenden der Maske, um in dem ersten Bild vertretene Defekte zu erfas sen.

2. Das Verfahren nach Anspruch 1, wobei das Filtern unter Verwendung eines mor phologischen Filters durchgeführt wird.

3. Das Verfahren nach Anspruch 1, wobei eine Ausdehnung der Maske von einem Anwender einstellbar ist.

4. Das Verfahren nach Anspruch 1, das ferner das Verwenden eines Filters mit lau fendem Durchschnittswert umfasst, um das Profil der Maske zu glätten.

5. Das Verfahren nach Anspruch 1, wobei das zweite Bild aus einer Datenbank er halten wird.

6. Das Verfahren nach Anspruch 1, das ferner Speichern der Diagramme aus den Schritten (c) und (d) in einem computerlesbaren Medium umfasst.

7. Computerlesbares Medium, das ein Programm zum Ausführen des Verfahrens nach Anspruch 1 speichert.

8. Computerlesbares Medium mit:
Mehreren Speicherplätzen, die Daten enthalten, die eine erstes Bild und ein asso ziiertes zweites Bild repräsentieren, wobei das erste und das zweite Bild jeweils mehrere Pixel aufweisen, wobei jedes Pixel durch eine Positionskoordinate und eine Graustufe definiert ist; und
einem Array mit mehreren Speicherplätzen, die eine Maske definierende Daten speichern, wobei die Maske durch Filtern der Darstellung der Graustufen der Pixel von dem ersten Bild gegenüber den Graustufen von entsprechenden Pixel von dem zweiten Bild erzeugt ist.

9. Das computerlesbare Medium nach Anspruch 8, wobei das Filtern unter Verwen dung eines morphologischen Filters ausgeführt ist.

10. Das computerlesbare Medium nach Anspruch 8, wobei ein Algorithmus für eine laufende Mittelwertsbildung verwendet wird, um die Darstellung der Graustufen der Pixel von dem ersten Bild gegenüber den Graustufen der Pixel von dem zweiten Bild zu glätten.