JP4027905B2

JP4027905B2 - 欠陥分類装置及び欠陥分類方法

Info

Publication number: JP4027905B2
Application number: JP2004108179A
Authority: JP
Inventors: 大和神田
Original assignee: Olympus Corp
Current assignee: Olympus Corp
Priority date: 2004-03-31
Filing date: 2004-03-31
Publication date: 2007-12-26
Anticipated expiration: 2024-03-31
Also published as: JP2005291953A

Description

本発明は、欠陥分類装置及び欠陥分類方法に関するものである。

半導体ウェハ等の製造工程では、成膜、レジスト塗布、露光、現像、エッチング、レジスト剥離といったプロセスを複数回繰り返すことで、多層の配線パターンを形成していく。非常に多くのプロセスを経て完成する製品の歩留まりを向上するためには、欠陥の早期発見や製造工程の最適化が必須項目である。

このため、実際のパターンが形成されるエッチング工程の前に被検体表面を目視検査し、欠陥の検出、不良品の選別を行うと共に、欠陥の種類を判別することで発生プロセスを特定し、製造工程を最適化しようとする取り組みが従来からなされている。

しかしながら、目視検査は、検査員への負担が大きく、個人差があり統一した結果が得られないという問題がある。そこで、このような表面検査を光学装置により実現することが試みられている。

本発明人による特開2003-168114号公報は、画素分解能が100〜150μmという比較的低分解能の画像を用いて被検体表面を検査するマクロ検査により、欠陥を分類する方法を開示している。

以下に図２２を参照してこの欠陥分類方法の原理について説明する。まず被検体表面の干渉、回折像を検査画像７００（図２２の（Ａ））として取得する。被検体表面にムラ、キズ、ショット（露光機起因の欠陥）等がある場合には、これらは検査画像７００内にムラ７０１、ショット７０２、キズ７０３として捕らえられる。これを基準となる良品ウェハの干渉、回折像である良品画像７０４（図２２の（Ｂ））と比較する。あるいは、被検体表面の干渉、回折像内で同一パターンとなる区画単位で比較してもよい。これにより、検査画像７００と良品画像７０４との差分画像７０５（図２２の（Ｃ））が得られる。これを２値化すると良品画像７０４との輝度差が大きい画素からなる欠陥領域が欠陥抽出画像７０６（図２２の（Ｄ））として得られる。

この抽出した欠陥領域の形状情報、特に露光機起因の代表欠陥であるショット欠陥は、その外形が露光区画形状と類似するため、露光区画形状を示すテンプレート７０７との相関値（対応画素間の輝度の差分絶対値の総和など）を算出し、この相関値を基に抽出領域の欠陥種を分類している（図２２の（Ｅ））。
特開2003-168114号公報

しかしながら、前述の方法では図２３（Ａ）に示すようにショット欠陥が連続した場合、その内部の欠陥領域についてはムラ７０１の内部の欠陥領域と同程度の相関値しか得ることができず、両者を明確に分類することが困難である（図２３（Ｂ）参照）。このような課題に対して、従来、有効な解決策を示した欠陥分類装置及び欠陥分類方法は提案されていなかった。

本発明はこのような課題に着目してなされたものであり、その目的とするところは、連続する露光機起因の欠陥に対しても精度の高い欠陥分類が可能な欠陥分類装置及び欠陥分類方法を提供することにある。

上記の目的を達成するために、本発明の第１の態様は、配線パターンを形成するための露光が行われた被検体における欠陥を分類する欠陥分類装置において、前記露光が行われた後の前記被検体表面の画像を撮像する撮像手段と、前記画像より欠陥領域を抽出する欠陥領域抽出手段と、前記抽出した欠陥領域をモルフォロジー処理によって連結欠陥領域として連結する欠陥領域連結手段と、前記連結欠陥領域の輪郭のうち前記画像内での位置が予め設定されている露光区画辺に沿う輪郭の割合を連結した各連結欠陥領域について算出する露光区画依存輪郭割合算出手段と、前記割合を基に欠陥を分類する分類手段と、を具備する。

また、本発明の第２の態様は、第１の態様に係る欠陥分類装置において、前記欠陥領域連結手段での連結は、隣接チップ間の幅より大きなサイズの構造要素を用いたモルフォロジー処理による。

また、本発明の第３の態様は、配線パターンを形成するための露光が行われた被検体における欠陥を分類する欠陥分類装置において、前記露光が行われた後の前記被検体表面の画像を撮像する撮像手段と、前記画像より欠陥領域を抽出する欠陥領域抽出手段と、前記抽出した欠陥領域を露光区画を細分した区画に集約する欠陥領域集約手段と、前記欠陥領域を集約した欠陥区画のうち隣接する欠陥区画を連結欠陥区画として連結する欠陥区画連結手段と、前記連結欠陥区画の輪郭のうち前記画像内での位置が予め設定されている露光区画辺に沿う輪郭の割合を連結した各連結欠陥区画について算出する露光区画依存輪郭割合算出手段と、前記割合を基に欠陥を分類する分類手段と、を備える。

また、本発明の第４の態様は、配線パターンを形成するための露光が行われた被検体における欠陥を分類する欠陥分類装置において、前記露光が行われた後の前記被検体表面の画像を撮像する撮像手段と、前記画像を露光区画を細分した区画単位で検査し、欠陥が存在する区画を欠陥区画として検出する欠陥区画検出手段と、前記欠陥区画のうち隣接する欠陥区画を連結欠陥区画として連結する欠陥区画連結手段と、前記連結欠陥区画の輪郭のうち前記画像内での位置が予め設定されている露光区画辺に沿う輪郭の割合を連結した各連結欠陥区画について算出する露光区画依存輪郭割合算出手段と、前記割合を基に欠陥を分類する分類手段と、を具備する。

また、本発明の第５の態様は、第３または第４の態様に係る欠陥分類装置において、前記露光区画を細分した区画をチップ区画に合わせる。

また、本発明の第６の態様は、配線パターンを形成するための露光が行われた被検体における欠陥を分類する欠陥分類方法において、前記露光が行われた後の前記被検体表面の画像を撮像し、前記画像より欠陥領域を抽出し、前記抽出した欠陥領域をモルフォロジー処理によって連結欠陥領域として連結し、前記連結欠陥領域の輪郭のうち前記画像内での位置が予め設定されている露光区画辺に沿う輪郭の割合を連結した各連結欠陥領域について算出し、前記割合を基に欠陥を分類する。

また、本発明の第７の態様は、第６の態様に係る欠陥分類装置において、前記抽出した欠陥領域の連結は、隣接チップ間の幅より大きなサイズの構造要素を用いたモルフォロジー処理による。

また、本発明の第８の態様は、配線パターンを形成するための露光が行われた被検体における欠陥を分類する欠陥分類方法において、前記露光が行われた後の前記被検体表面の画像を撮像し、前記画像より欠陥領域を抽出し、前記抽出した欠陥領域を露光区画を細分した区画に集約し、前記欠陥領域を集約した欠陥区画のうち隣接する欠陥区画を連結欠陥区画として連結し、前記連結欠陥区画の輪郭のうち前記画像内での位置が予め設定されている露光区画辺に沿う輪郭の割合を連結した各連結欠陥区画について算出し、前記割合を基に欠陥を分類する。

また、本発明の第９の態様は、配線パターンを形成するための露光が行われた被検体における欠陥を分類する欠陥分類方法において、前記露光が行われた後の前記被検体表面の画像を撮像し、前記画像を露光区画を細分した区画単位で検査し、欠陥が存在する区画を欠陥区画として検出し、前記欠陥区画のうち隣接する欠陥区画を連結欠陥区画として連結し、前記連結欠陥区画の輪郭のうち前記画像内での位置が予め設定されている露光区画辺に沿う輪郭の割合を連結した各連結欠陥区画について算出し、前記割合を基に欠陥を分類する。

また、本発明の第１０の態様は、第８または第９の態様に係る欠陥分類方法において、前記露光区画を細分した区画をチップ区画に合わせる。

本発明によれば、露光機起因の欠陥に対してより精度の高い分類を行うことができる。

以下、図面を参照して本発明の実施形態を詳細に説明する。

（第１実施形態）
図１は、本発明の第１実施形態に係る欠陥分類装置の構成を示す図である。第１実施形態の欠陥分類装置は、被検体１１１を照明する照明器１０１と、照明器１０１からの照明光の波長を制限する帯域通過フィルタ１０２と、被検体１１１からの反射光を結像させるためのレンズ１０３と、結像した被検体像を電気信号に変換する撮像手段としてのＣＣＤカメラ１０４と、ＣＣＤカメラ１０４からの出力信号を画像として取り込むための画像入力ボード１０５と、画像データの保持、及び後述の各手段の処理に用いるためのメモリ１０６と、取得した画像データから欠陥領域を抽出する欠陥領域抽出手段１０７と、抽出した欠陥領域を連結する欠陥領域連結手段１０８と、連結した連結領域の輪郭のうち露光区画辺に沿う輪郭の割合を算出する露光区画依存輪郭割合算出手段１０９と、前記算出した割合を基に欠陥を分類する分類手段１１０とから構成される。

上記構成のうち、メモリ１０６と、欠陥領域抽出手段１０７と、欠陥領域連結手段１０８と、露光区画依存輪郭割合算出手段１０９と、分類手段１１０とは、ＰＣ１２０により実現される。ここで、メモリ１０６はＰＣ１２０内のメモリとして具現化され、欠陥領域抽出手段１０７と、欠陥領域連結手段１０８と、露光区画依存輪郭割合算出手段１０９と、分類手段１１０とはＰＣ１２０内のＣＰＵとして具現化される。

以下に、本実施形態に係る欠陥分類方法の詳細を図面を参照して説明する。本欠陥分類装置は、照明器１０１からの光を帯域通過フィルタ１０２により波長制限して被検体に照射し、被検体表面から反射する回折光（または干渉光）をレンズ１０３により結像してＣＣＤカメラ１０４により電気信号に変換する。この電気信号は画像入力ボード１０５を通してデジタル化され、演算用のメモリ１０６に取り込まれ、これが被検体１１１の検査画像となる。図２は、このような検査画像１３０の一例を模式的に示す図である。検査画像１３０には、概して連続したショット欠陥１３１やムラ欠陥１３２等が含まれている。

次に、欠陥領域抽出手段１０７は、取得した検査画像１３０から欠陥領域を抽出する。抽出の方法には以下の２通りの方法が考えられる。第１の方法では、図３（Ａ）に示すような検査画像１３０において、良品レベルの輝度範囲となるしきい値を設定しておき、このしきい値を超える輝度を持つ画素の領域を欠陥抽出画像１３１として抽出する（図３（Ｂ））。ここで、良品レベルの輝度範囲を示す閾値は、ＰＣ１２０内に予め設定しておいても良いし、画像内の輝度ヒストグラムを基に適応的に決定しても良い（東京大学出版会：画像解析ハンドブック：高木幹夫、下田陽久、監修：５０２Ｐ、２値化、を参照）。

第２の方法では、図２２（Ｂ）に示すような良品ウェハ画像７０４（または図４（Ａ）の上部に示すような良品となる一定区画の画像１４０）を保持しておき、この画像と図４（Ａ）に示すような検査画像１３０（または検査画像内の対応区画）を位置合わせし、重なり合う画素間の輝度差を求めて差分画像１３２（図４（Ｂ））を作成し、この差分画像１３２を用いて上記第１の方法と同様の閾値処理により欠陥領域を抽出する。

このようにして欠陥領域を抽出した後、欠陥領域連結手段１０８において欠陥領域を連結する。このときの連結にはモルフォロジー処理の一つであるclosingを用いる（モルフォロジー処理の詳細については、コロナ社：モルフォロジー：小畑秀文著を参照）。

以下に、モルフォロジー処理について簡単に説明する。モルフォロジー処理の基本は、dilation及びerosionの２つの処理であり、それぞれ対象領域Ａに対して構造要素Ｂと呼ばれる基準図形（基準画像）を用いて行われる。各処理を式で表すと以下のようになる。

以下に、dilation処理及びerosion処理のそれぞれについて図を参照して説明する。図５は、dilation処理について説明するための図である。構造要素Ｂの原点Ｂ１を対象領域Ａ内で平行移動させた際に構造要素Ｂが覆うことのできる領域を処理結果Ｃとして出力する。

図６は、erosion処理について説明するための図である。構造要素Ｂを対象領域Ａ内で平行移動した際に構造要素Ｂの原点Ｂ１が覆うことのできる領域を処理結果Ｃとして出力する。

上記したdilation処理とerosion処理との組み合わせからなる処理としてclosing処理がある。この処理を式で表すと以下のようになる。

図７は、closing処理の手順を説明するための図である。図７に示すclosing処理では、構造要素Ｂを対象領域Ａの外側から外接させて移動した際に構造要素Ｂが囲む領域を出力する。

図８は、図３で説明した欠陥抽出領域１５０（図８の（Ａ））を、矩形の構造要素１５１を用いてclosing処理した結果（図８の（Ｂ））を示している。また、図９は、図３で説明した欠陥抽出領域１５０（図９の（Ａ））を、円形構造要素１５２を用いてclosing処理した結果（図９の（Ｂ））を示している。

図１０は、隣接チップ間の幅と構造要素サイズの関係を説明するための図である。ウェハ内において隣接するチップの間（ダイシングライン付近）に相当する領域は、通常のチップ内パターンとは異なるパターン状態のため、検査画像内でもチップ内とは異なる輝度になり、欠陥領域抽出の際に欠陥領域を分断する主要な領域となる。そこで、図１０に示すように、構造要素のサイズ１６１をこの隣接チップ間の幅１６０より大きく設定することで、効果的に欠陥領域の連結を行うことができる。

このようにして欠陥領域を連結した後は、露光区画依存輪郭割合算出手段１０９において、連結した欠陥領域の輪郭のうち、露光区画辺に沿う輪郭の割合を算出する。以下にこの算出手順を説明する。

１）まず、連結欠陥領域の輪郭を抽出する。輪郭抽出には様々な方法があるが、ここでは、欠陥領域の輝度値＝１、他の画素の輝度値＝０となる２値画像を用いた場合の方法を示す。この場合、欠陥領域内の任意の注目画素位置において、図１１に示すような、注目画素１７０の周囲の４近傍に位置する画素１７１−１〜１７１−４の積を求め、この値が０となる位置の注目画素を抽出することで、輪郭部を得る。上記の方法により図１２の（Ａ）（図９の（Ｂ）に対応）に示す連結欠陥領域の輪郭を抽出すると、図１２の（Ｂ）に示すような結果が得られる。

２）次に、露光区画辺に沿う輪郭を求める。画像内での露光区画の位置は予め設定しておく。検査画像が撮像の度にずれる場合には、位置基準となる代表画像での露光区画位置を設定しておき、代表画像に対して各検査画像を位置合わせした後に、設定された露光区画位置を取得する。次に、露光区画辺を中心とした幅Ｘの範囲を示す画像を作成する（図１３の（Ａ））。この画像と図１３の（Ｂ）（図１２の（Ｂ）に対応）に示す輪郭画像のＡＮＤをとることで、図１３の（Ｃ）に示すような露光区画辺に沿う輪郭を求めることができる。幅Ｘは、Ｘ=α×“露光区画サイズ“のように区画サイズを基に決定すると、区画サイズに適応的に決定できる。

３）各連結欠陥領域の輪郭のうち、露光区画辺に沿う輪郭の割合を求める。

以上により求められた割合値は、欠陥外形が露光区画に類似する欠陥、つまり露光機起因の欠陥ほど高くなる。露光区画辺に沿う輪郭の割合値が算出された後は、分類手段１１０において求めた割合値を基に欠陥領域を分類する。ここでは、露光機起因の欠陥を分類する。これは、算出した割合値に対して所定の閾値を設定し、この閾値より割合値が大きければ露光機起因の欠陥とし、小さければその他に分類することで実現される。

図１４は、上記した欠陥分類方法の手順を示すフローチャートである。まず、ＣＣＤカメラ１０４により被検体を撮像して検査画像を取得する（ステップＳ１）。次に、取得した検査画像から欠陥領域抽出手段１０７により欠陥領域を抽出する（ステップＳ２）。次に、抽出した欠陥領域を欠陥領域連結手段１０８により連結する（ステップＳ３）。次に、露光区画依存輪郭割合算出手段１０９により、連結した欠陥領域の輪郭を抽出する（ステップＳ４）とともに、抽出した欠陥領域の輪郭のうち、露光区画辺に沿う輪郭を抽出する（ステップＳ５）。次に、露光区画依存輪郭割合算出手段１０９により、連結欠陥領域の輪郭長のうち、露光区画辺に沿う輪郭の割合、すなわち、露光区画辺に沿う輪郭長／全輪郭長、を求める（ステップＳ６）。次に、求めた割合値を基に分類手段１１０によって欠陥領域を分類する（ステップＳ７）。最後に分類結果を出力する（ステップＳ８）。

上記した第１実施形態によれば、欠陥領域を連結し、その領域の輪郭と露光区画辺との関係を基に欠陥を分類することにより、連続する露光機起因の欠陥に対しても、精度の高い分類を行うことができる。

（第２実施形態）
以下に、本発明の第２実施形態について説明する。本発明の第２実施形態に係る欠陥分類装置は、第１実施形態の欠陥分類装置と同様な方法で抽出された欠陥領域を、露光区画を細分した区画に集約して連結し、その輪郭と露光区画との関係を基に欠陥を分類するものである。

図１５は、本発明の第２実施形態に係る欠陥分類装置の構成を示す図である。図１５に示す２０１〜２０７、２１１の構成は、第１実施形態の欠陥分類装置を示す図１の１０１〜１０７、１１１と同様であるのでここでの説明は省略する。第２実施形態の欠陥分類装置はさらに、抽出された欠陥領域を露光区画を細分した区画に集約する欠陥領域集約手段２０８と、欠陥領域を集約した欠陥区画を連結する欠陥区画連結手段２０９と、連結した欠陥区画の輪郭のうち露光区画辺に沿う輪郭の割合を算出する露光区画依存輪郭割合算出手段２１０と、前記割合を基に欠陥を分類する分類手段２１２とを備えている。

第１実施形態の欠陥分類装置において、抽出した欠陥領域を画素単位で連結したり、輪郭抽出するのは時間がかかる処理である。そこで、第２実施形態の欠陥分類装置では、抽出された欠陥領域を、欠陥領域集約手段２０８において露光区画を細分した区画に集約することで以後の計算量を削減する。

ここでの集約の方法としては図１６に示すように、露光区画２５０を１／Ｎ（ここでは１／１６）に細分した細分区画を考える。次に、図１７に示すように、内部に欠陥領域２６０が存在する細分区画を欠陥区画とすることで集約する。図１７（Ｂ）は抽出した欠陥領域を細分区画に集約した結果を示す図である。

欠陥領域を集約して欠陥区画を求めた後は、欠陥区画連結手段２０９により欠陥区画を連結する。これは上下左右の方向に隣接する欠陥区画を１つの連結欠陥区画と看做すことで処理される。欠陥区画の連結後は、露光区画依存輪郭割合算出手段２１０において、連結欠陥区画の輪郭のうち露光区画辺に沿う輪郭の割合を算出する。手順としては、第１実施形態で行った処理と同様の処理を、細分区画を１画素と看做して行う。

図１８（Ａ）は、図１７（Ｂ）に示す集約結果より求めた輪郭抽出結果を示しており、図１８（Ｂ）は、露光区画に沿う輪郭の抽出結果を示している。

求められた割合値は、欠陥外形が露光区画に類似する欠陥、つまり露光機起因の欠陥ほど高くなる。割合値が算出された後は、分類手段２１２において、露光機起因の欠陥を分類する。これは、算出した割合値に対して所定の閾値を設定し、この閾値より割合値が大きければ露光機起因の欠陥とし、小さければその他に分類することで実現される。なお、欠陥区画連結時に、連結した欠陥区画の面積を求め、この値が露光区画サイズより大きな場合には本方法による分類を用い、小さな場合には特開２００３−１６８１１４に示す相関値による分類を用いることで、更に精度良く、露光機起因の欠陥を分類することが可能である。

図１９は、上記した欠陥分類方法の手順を示すフローチャートである。まず、ＣＣＤカメラ２０４により被検体を撮像して検査画像を取得する（ステップＳ１１）。次に、欠陥領域抽出手段２０７により取得した検査画像から欠陥領域を抽出する（ステップＳ１２）。

次に、欠陥領域集約手段２０８において、欠陥領域を露光区画を細分した区画に集約する（ステップＳ１３）。次に、欠陥区画連結手段２０９において、欠陥が集約された区間（欠陥区画）を連結する（ステップＳ１４）。次に、露光区画依存輪郭割合算出手段２１０において、連結した欠陥区画の輪郭を抽出し（ステップＳ１５）、この抽出した輪郭のうち露光区画辺に沿う輪郭を求める（ステップＳ１６）。さらに、露光区画依存輪郭割合算出手段２１０において、“露光区画辺に沿う輪郭長／全輪郭長”を求める（ステップＳ１７）。次に、分類手段２１２において、求めた値を基に欠陥領域を分類する（ステップＳ１８）。最後に、分類結果を出力する（ステップＳ１９）。

本発明の第２実施形態によれば、欠陥領域を露光区画を細分した区画に集約して連結し、その領域の輪郭と露光区画辺との関係を基に欠陥を分類することにより、処理速度を向上しながら、連続する露光機起因の欠陥の分類を行うことができる。

（第３実施形態）
本発明の第３実施形態に係る欠陥分類装置は、第１及び第２実施形態の欠陥分類装置と同様な方法で得た検査画像に対し、露光区画を細分した区画単位で検査を行い欠陥区画を求め、これら欠陥区画を連結して、その輪郭と露光区画との関係を基に欠陥を分類するものである。

図２０は、本発明の第３実施形態に係る欠陥分類装置の構成を示す図である。図２０に示す３０１〜３０６、３１１の構成は、第１実施形態の欠陥分類装置を示す図１の１０１〜１０６、１１１と同様であるのでここでの説明は省略する。

第３実施形態の欠陥分類装置は、第２実施形態の欠陥分類装置での、欠陥領域を抽出してから露光区画を細分した区画に集約するという処理を簡略化する構成となっている。つまり第３実施形態では、欠陥区画検出手段３０７により、露光区画を細分した区画単位で検査を行って異常が存在する区画を欠陥区画として検出し、検出した欠陥区画を欠陥区画連結手段３０８により連結し、連結した欠陥区画の輪郭のうち露光区画辺に沿う輪郭の割合を露光区画依存輪郭割合算出手段３０９により算出し、算出した割合を基に分類手段３１０により欠陥を分類する。

ここで、欠陥区画連結手段３０８、露光区画依存輪郭割合算出手段３０９、分類手段３１０はそれぞれ、第２実施形態（図１５）における欠陥区画連結手段２０９、露光区画依存輪郭割合算出手段２１０、分類手段２１２と同等のものである。

なお、欠陥区画の検出の方法としては、予め良品となる細分区画の画像統計量（平均輝度、輝度標準偏差、輝度ヒストグラム、輝度勾配ヒストグラムなど）を保持しておき、この統計量と、位置的に対応する被検査対象の細分区画の画像統計量を比較し、差が規定値を超える区画を欠陥区画とする方法がある。この時、露光区画内の細分区画間にパターンの共通性があれば、統計量を共通化することが可能である。このため、１ショットの露光区画内に４×４以上程度のチップ区画が存在する場合には、細分区画をチップ区画に合わせることで更に処理の簡略化が図れる。

図２１は、上記した欠陥分類方法の手順を示すフローチャートである。まず、ＣＣＤカメラ３０４により被検体を撮像して検査画像を取得する（ステップＳ２１）。次に、欠陥区画検出手段３０７において、欠陥区画を検出する（ステップＳ２２）。以下のステップＳ２３〜Ｓ２８は、第２実施形態である図１９のステップＳ１４〜Ｓ１９と同様である。

以上、本発明の第３実施形態によれば、検査画像を基に直接欠陥となる細分区画を検出して連結し、その領域の輪郭と露光区画辺との関係を基に欠陥を分類することにより、処理速度を向上しながら、連続する露光機起因の欠陥の分類を行うことができる。

本発明の第１実施形態に係る欠陥分類装置の構成を示す図である。検査画像１３０の一例を模式的に示す図である。２値化による欠陥領域抽出について説明するための図である。検査画像内同一パターン区画の比較による差分画像作成について説明するための図である。 dilation処理について説明するための図である。 erosion処理について説明するための図である。 closing処理について説明するための図である。図３で説明した欠陥抽出領域を、矩形の構造要素を用いて連結処理する手順を説明する図である。図３で説明した欠陥抽出領域を、円形の構造要素を用いて連結処理する手順を説明する図である。隣接チップ間の幅と構造要素サイズの関係を示す図である。注目画素の４近傍画素について説明するための図である。連結欠陥領域の輪郭を抽出する手順を説明するための図である。露光区画辺に沿う輪郭の抽出手順を説明するための図である。本発明の第１実施形態に係る欠陥分類処理の流れを説明するための図である。本発明の第２実施形態に係る欠陥分類装置の構成を示す図である。図２に示す検査画像の露光区画を１／１６に細分した区画を示す図である。抽出した欠陥領域を細分区画に集約した結果を示す図である。図１７の集約結果に基づく処理結果を示す図である。本発明の第２実施形態に係る欠陥分類処理の流れを説明するための図である。本発明の第３実施形態に係る欠陥分類装置の構成を示す図である。本発明の第３実施形態に係る欠陥分類処理の流れを説明するための図である。従来の欠陥分類装置の原理を説明するための図である。連続発生したショット欠陥に対する従来手法の適用例を示す図である。

符号の説明

１０１…照明器、１０２…帯域通過フィルタ、１０３…レンズ、１０４…ＣＣＤカメラ、１０５…画像入力ボード、１０６…メモリ、１０７…欠陥領域抽出手段、１０８…欠陥領域連結手段、１０９…露光区画依存輪郭割合算出手段、１１０…分類手段、１２０…ＰＣ。

Claims

配線パターンを形成するための露光が行われた被検体における欠陥を分類する欠陥分類装置において、
前記露光が行われた後の前記被検体表面の画像を撮像する撮像手段と、
前記画像より欠陥領域を抽出する欠陥領域抽出手段と、
前記抽出した欠陥領域をモルフォロジー処理によって連結欠陥領域として連結する欠陥領域連結手段と、
前記連結欠陥領域の輪郭のうち前記画像内での位置が予め設定されている露光区画辺に沿う輪郭の割合を連結した各連結欠陥領域について算出する露光区画依存輪郭割合算出手段と、
前記割合を基に欠陥を分類する分類手段と、
を具備することを特徴とする欠陥分類装置。
前記欠陥領域連結手段での連結は、隣接チップ間の幅より大きなサイズの構造要素を用いたモルフォロジー処理によることを特徴とする請求項１に記載の欠陥分類装置。
配線パターンを形成するための露光が行われた被検体における欠陥を分類する欠陥分類装置において、
前記露光が行われた後の前記被検体表面の画像を撮像する撮像手段と、
前記画像より欠陥領域を抽出する欠陥領域抽出手段と、
前記抽出した欠陥領域を露光区画を細分した区画に集約する欠陥領域集約手段と、
前記欠陥領域を集約した欠陥区画のうち隣接する欠陥区画を連結欠陥区画として連結する欠陥区画連結手段と、
前記連結欠陥区画の輪郭のうち前記画像内での位置が予め設定されている露光区画辺に沿う輪郭の割合を連結した各連結欠陥区画について算出する露光区画依存輪郭割合算出手段と、
前記割合を基に欠陥を分類する分類手段と、を備えることを特徴とする欠陥分類装置。
配線パターンを形成するための露光が行われた被検体における欠陥を分類する欠陥分類装置において、
前記露光が行われた後の前記被検体表面の画像を撮像する撮像手段と、
前記画像を露光区画を細分した区画単位で検査し、欠陥が存在する区画を欠陥区画として検出する欠陥区画検出手段と、
前記欠陥区画のうち隣接する欠陥区画を連結欠陥区画として連結する欠陥区画連結手段と、
前記連結欠陥区画の輪郭のうち前記画像内での位置が予め設定されている露光区画辺に沿う輪郭の割合を連結した各連結欠陥区画について算出する露光区画依存輪郭割合算出手段と、
前記割合を基に欠陥を分類する分類手段と、
を具備することを特徴とする欠陥分類装置。
前記露光区画を細分した区画をチップ区画に合わせることを特徴とする請求項３または４に記載の欠陥分類装置。
配線パターンを形成するための露光が行われた被検体における欠陥を分類する欠陥分類方法において、
前記露光が行われた後の前記被検体表面の画像を撮像し、
前記画像より欠陥領域を抽出し、
前記抽出した欠陥領域をモルフォロジー処理によって連結欠陥領域として連結し、
前記連結欠陥領域の輪郭のうち前記画像内での位置が予め設定されている露光区画辺に沿う輪郭の割合を連結した各連結欠陥領域について算出し、
前記割合を基に欠陥を分類することを特徴とする欠陥分類方法。
前記抽出した欠陥領域の連結は、隣接チップ間の幅より大きなサイズの構造要素を用いたモルフォロジー処理によることを特徴とする請求項６に記載の欠陥分類方法。
配線パターンを形成するための露光が行われた被検体における欠陥を分類する欠陥分類方法において、
前記露光が行われた後の前記被検体表面の画像を撮像し、
前記画像より欠陥領域を抽出し、
前記抽出した欠陥領域を露光区画を細分した区画に集約し、
前記欠陥領域を集約した欠陥区画のうち隣接する欠陥区画を連結欠陥区画として連結し、
前記連結欠陥区画の輪郭のうち前記画像内での位置が予め設定されている露光区画辺に沿う輪郭の割合を連結した各連結欠陥区画について算出し、
前記割合を基に欠陥を分類することを特徴とする欠陥分類方法。
配線パターンを形成するための露光が行われた被検体における欠陥を分類する欠陥分類方法において、
前記露光が行われた後の前記被検体表面の画像を撮像し、
前記画像を露光区画を細分した区画単位で検査し、欠陥が存在する区画を欠陥区画として検出し、
前記欠陥区画のうち隣接する欠陥区画を連結欠陥区画として連結し、
前記連結欠陥区画の輪郭のうち前記画像内での位置が予め設定されている露光区画辺に沿う輪郭の割合を連結した各連結欠陥区画について算出し、
前記割合を基に欠陥を分類することを特徴とする欠陥分類方法。
前記露光区画を細分した区画をチップ区画に合わせることを特徴とする請求項８または９に記載の欠陥分類方法。