JP5075111B2 - 画像分類基準更新方法、プログラムおよび画像分類装置 - Google Patents

Description

本発明は、画像分類基準更新方法、プログラムおよび画像分類装置の技術に関する。

半導体製品の製造工程中において、発生する異物などによる形成パターンのショートや、断線などの欠陥や、製造プロセスの条件の不具合によって生じる欠陥などが発生するおそれがある。そこで、これらの欠陥の発生原因を早期に特定し対策を施すことが、製品歩留りの向上に不可欠である。そのため、ウェハ表面に付着した異物やウェハ表面に形成されたパターン欠陥を半導体ウェハ異物検査装置や半導体ウェハ外観検査装置により検査することにより、これらの発生を常に監視し、その検査結果を基に、その欠陥の発生原因を早期に突き止め対策を行う必要がある。

従来、このような観察作業は人間の目視により行われている。そのため、観察する人間により観察対象の欠陥の分類に偏りがあった。最近では、この問題点を解決するために、画像処理技術を用いて欠陥の大きさ、形状、種類などの判断を装置が自動的に行う自動欠陥レビュー（ＡＤＲ：Automatic Defect Review）や自動欠陥分類（ＡＤＣ:Automatic Defect Classification）の技術が導入され始めている。例えば、検査された部品（例えばウェハ上に形成されたパターン）をＳＥＭ（Scanning Electron Microscopy）式レビュー装置を用いて観察、すなわちレビューするにあたり、ユーザへの負荷を低減しながら効率的に作業を行うシステムが提案されている。

被検査画像に含まれる情報を特徴量として抽出し、それに基づいて自動分類する方法としては、ニューラルネットワークを用いた方法が開示されている（例えば、特許文献１参照）。また、自動分類を行う分類基準を作成する上で学習（各特徴量に重み付け）をする際に不適切な特徴量が分類性能に及ぼす影響を低減するために分類に有効な特徴量を自動的に選択する方法が開示されている（例えば、特許文献２参照）。
特開平８−２１８０３号公報 特開２００５−３０９５３５号公報

特許文献１に記載の技術において、ニューラルネットワークを用いた自動欠陥分類の分類基準は目視による分類に基づいて学習するため、人間の誤った分類により分類基準に矛盾が生じ、結果として自動欠陥分類の分類性能が低下することがある。つまり、目視で分類した分類基準に基づいて、ニューラルネットワークによる学習を行うため、誤った分類基準を作成してしまい、学習結果も誤った結果を出力してしまうという問題がある。
また、半導体製造プロセスの変動により、同一に分類すべき欠陥が分類基準作成時とは異なる欠陥の特徴を有し、所望の分類ができない場合が存在する。つまり、分類基準に登録されていないタイプの欠陥が検出されると、その都度学習をやり直す必要がある。

特許文献２に記載の技術では、１度作成した分類基準を更新し、分類基準を改善するための技術が記載されていない。

このような背景に鑑みて本発明がなされたのであり、本発明は、分類基準を改善することを目的とする。

前記課題を解決するため、本発明は、画像データを分類する際の基準となる画像データの情報が登録されている分類基準データと、新規に入力された画像データが前記分類基準データを使用して分類された結果としての画像データの情報が登録されている分類データと、を格納している記憶部と、入力部を介して、前記分類データに登録されている画像データのうちの任意の画像データの情報を選択させ、前記入力部を介して、前記選択させた画像データの情報を前記分類基準データに追加登録する旨の指示の入力を受け付け、前記選択させた画像データの情報を前記分類基準データに追加登録する制御部と、を有する画像分類装置による画像分類基準更新方法であって、前記分類データは、ユーザによって分類されたカテゴリと、前記分類基準データによって分類されたカテゴリとにより、前記新規に入力された画像データの情報が分類されており、前記制御部は、前記分類データにおける前記ユーザによって分類されたカテゴリに対応する画像データ数と、前記分類データにおける前記分類基準データによって分類されたカテゴリに対応する画像データ数とが対応付けられているカテゴリ別対応情報を生成し、前記生成したカテゴリ別対応情報を表示部に表示することを特徴とする。
その他の解決手段については実施形態中にて後記する。

本発明によれば、分類基準を改善することができる。

次に、本発明を実施するための最良の形態（「実施形態」という）について、適宜図面を参照しながら詳細に説明する。なお、本実施形態では、半導体ウェハ製造システムＺに画像分類装置を適用した例を示すが、これに限らず、食品における画像検査など、画像を用いて欠陥検査を行うシステムに適用可能である。

図１は、本実施形態に係る半導体ウェハ製造システムの構成例を示す図である。
半導体ウェハを製造する製造装置４は、通常、清浄な環境が保たれたクリーンルーム７内にある。また、製造装置４のラインで製造された半導体ウェハは、プローブ検査装置５で導通検査される。
クリーンルーム７内には、製品ウェハの外観不良の検出を行う外観検査装置２、外観検査装置２からのデータに基づき外観不良の観察、すなわちレビューを行うレビュー装置１（画像分類装置）を有する。また、クリーンルーム７外には、外観検査装置２や、レビュー装置１で取得された画像データに対する処理を行うデータ処理装置３を有する。外観検査装置２、レビュー装置１、プローブ検査装置５およびデータ処理装置３は通信回線６で互いに接続されている。

図２は、本実施形態に係る半導体ウェハ製造システムにおけるデータの流れを示す図である。図２において、図１と同様の構成要素には同一の符号を付して説明を省略する。
レビュー装置１は、複数の光学式レビュー装置１ａおよび複数のＳＥＭ式レビュー装置１ｂを有している。光学式レビュー装置１ａは、光学顕微鏡に接続されたデジタルカメラによって半導体ウェハ上の欠陥画像のデータである欠陥画像データを取得し、解析する装置である。ＳＥＭ式レビュー装置１ｂは、電子顕微鏡で撮像された欠陥画像データを取得し、解析する装置である。外観検査装置２、光学式レビュー装置１ａおよびＳＥＭ式レビュー装置１ｂは複数設置され、同時に複数の欠陥画像データを取得することができるようになっている。

製品となる半導体ウェハはロット単位で複数の製造装置４（図１）を流れている。予め半導体ウェハの外観検査を行うことが決められている工程が終了した後に、作業者あるいは搬送機によって外観検査装置２まで運ばれて外観検査処理が行われる。外観検査装置２は半導体ウェハの外観を撮像し、外観不良を検出すると、検出した外観不良箇所の座標を欠陥データとして取得し、取得した欠陥データをデータ処理装置３へ送る（Ｓ１０１）。
外観検査装置２が出力する欠陥データは膨大な量のデータであるため、データ処理装置３は、フィルター機能によりフィルタリングされた欠陥データが光学式レビュー装置１ａまたはＳＥＭ式レビュー装置１ｂに通信回線６を通して送る（Ｓ１０２，Ｓ１０３）。フィルタリングは、ランダムに所定数の欠陥情報を抽出するなどである。

光学式レビュー装置１ａおよびＳＥＭ式レビュー装置１ｂは、送られた欠陥情報の座標箇所を光学顕微鏡および電子顕微鏡で撮像し、半導体ウェハにおける欠陥検出部の画像（欠陥画像データ）を取得する。光学式レビュー装置１ａおよびＳＥＭ式レビュー装置１ｂは、搭載しているＡＤＣ機能で欠陥分類を行う。それらの欠陥分類の結果の情報は、ＡＤＲ／ＡＤＣ情報として通信回線６を通してデータ処理装置３に送られる（Ｓ１０４，Ｓ１０５）。本実施形態は、レビュー装置１（光学式レビュー装置１ａ，ＳＥＭ式レビュー装置１ｂ）に係る技術である。

図３は、本実施形態に係るレビュー装置の構成例を示す図である。本実施形態では、レビュー装置１としてＳＥＭ式レビュー装置１ｂを想定した例を示すが、これに限らず、光学式レビュー装置１ａに適用してもよい。
レビュー装置１は、キーボードやマウスなどの入力部１３、ディスプレイなどの表示部１４、通信インタフェースカードなどの送受信部１５、情報を処理する処理部１１、情報を記憶する記憶部１２を有してなる。

処理部１１は、表示処理部１１１、入力処理部１１２、自動欠陥分類部１１３、特徴量抽出部１１４およびデータ取得部１１５を有してなる。表示処理部１１１は、情報を加工して表示部１４に表示させる機能を有する。入力処理部１１２は、入力部１３から入力された情報を処理する機能を有する。自動欠陥分類部１１３は、ＡＤＣを用いて、欠陥画像データを分類する機能を有する。特徴量抽出部１１４は、各欠陥画像データにおける特徴量を抽出する機能を有する。データ取得部１１５は、送受信部１５からデータを取得する機能を有する。
処理部１１および各部１１１〜１１５は、図示しないＲＯＭ（Read Only Memory）や、図示しないＨＤ（Hard Disk）に格納されたプログラムが、図示しないＲＡＭ（Random Access Memory）に展開され、図示しないＣＰＵ（Central Processing Unit）によって実行されることによって具現化する。

記憶部１２には、分類基準データ１２１、分類データ１２２、欠陥画像データ群１２３、基準特徴量データ１２４および特徴量データ１２５が記憶されている。分類基準データ１２１、分類データ１２２、基準特徴量データ１２４および特徴量データ１２５については、図４および図５を参照して後記する。欠陥画像データ群１２３は、レビュー装置１が、撮像した欠陥画像データである。

（各種データ）
図４は、分類基準データおよび分類データの例を示す図である。ここで、分類基準データ１２１は、図６で後記する処理で作成されるデータであり、分類データ１２２は、図１１で後記する処理で作成されるデータである。分類基準データ１２１と、分類データ１２２とは、格納されるデータが異なるが、フォーマットは同様であるので、図４においてまとめて説明する。

図４に示すように、分類基準データ１２１および分類データ１２２は、ユーザによるカテゴリ、ＡＤＣによるカテゴリおよび欠陥画像データ名の各フィールドを有してなる。
ユーザによるカテゴリとは、図６のＳ２０４（または、後記する図１１のＳ４０３）でユーザによって分類されたカテゴリである。そして、ＡＤＣによるカテゴリとは、後記する図６のＳ２０５（または、後記する図１１のＳ４０１）におけるＡＤＣ処理で分類されたカテゴリである。図４の例では、ユーザによって「Ｃ１：パーティクル」と判定され、ＡＤＣ処理でも「Ｃ１：パーティクル」と判定された欠陥画像データは、「Ａ１．ｊｐｇ，Ａ２．ｊｐｇ，Ａ３．ｊｐｇ，・・・」であることを示している。また、ユーザによって「Ｃ１：パーティクル」と判定されたが、ＡＤＣ処理では、「Ｃ２：スクラッチ」と判定された欠陥画像データは存在しないことを示している。さらに、ユーザによって「Ｃ２：スクラッチ」と判定されたが、ＡＤＣ処理では、「Ｃ１：パーティクル」と判定された欠陥画像データは、「Ａ１０．ｊｐｇ」であることを示している。

ここで、「Ｃ１」や、「Ｃ２」などは、カテゴリに付した識別番号である。本実施形態では「Ｃ１」がパーティクルを示し、「Ｃ２」がスクラッチを示し、「Ｃ３」がパターンショートを示し、「Ｃ４」がパターンオープンを示し、「Ｃ５」が欠陥なしを示している。本実施形態中では、カテゴリ名の代わりに、この識別番号を適宜使用する。カテゴリとしては、この他に、重要異物、非重要異物、虚報のように、画像処理または特徴量を意識せず自由に設定できる。つまり、カテゴリ名は、ユーザによって自由に設定できる。

分類基準データ１２１および分類データ１２２は、ユーザによるカテゴリおよびＡＤＣによるカテゴリにおいて、すべてのカテゴリの組み合わせに関するデータを有してもよいし、該当する欠陥画像データが存在するカテゴリの組み合わせに関するデータのみを有してもよい。つまり、図４の２行目のように対応する欠陥画像データが存在しないレコードを省略してもよい。また、各欠陥画像データにユーザによるカテゴリの情報、およびＡＤＣによるカテゴリの情報を付した形でもよい。

図５は、基準特徴量データおよび特徴量データの例を示す図である。ここで、基準特徴量データ１２４は、図６で後記する処理で作成されるデータであり、特徴量データ１２５は、図１１で後記する処理で作成されるデータである。基準特徴量データ１２４と、特徴量データ１２５とは、格納されるデータが異なるが、フォーマットは同様であるので、図５においてまとめて説明する。
図５に示すように、基準特徴量データ１２４および特徴量データ１２５は、欠陥画像データ名ごとに、各種特徴量（平坦度、明るさ、真円度、大きさなど）が対応付けられて格納されている。

次に、図３、図４および図５を参照しつつ、図６に沿って分類基準作成処理の手順を説明する。
図６は、本実施形態に係る分類基準作成処理の手順を示すフローチャートである。ここで、図６に示す分類基準作成処理は、分類基準データ１２１を作成する処理である。
まず、処理部１１は、記憶部１２の欠陥画像データ群１２３から分類基準作成用の欠陥画像データを取得する（Ｓ２０１）。
次に、ユーザは、入力部１３を介して取得した欠陥画像データを分類する（Ｓ２０２）。例えば、ユーザは、目視によって欠陥画像データの１つ１つをパーティクルや、スクラッチなどの種類に分類する。Ｓ２０２の処理により、最初の分類基準データ１２１が作成される。
なお、Ｓ２０２の段階では、ユーザによるカテゴリのみが埋まっており、ＡＤＣによるカテゴリは空欄である。

Ｓ２０２の後、特徴量抽出部１１４は、欠陥画像データから特徴量を抽出するための欠陥認識パラメータ（例えば検出感度、ノイズ除去閾値、凹凸閾値）を自動で調整する（Ｓ２０３）。ここで、行われる内容は以下の通りである。欠陥部を認識し、特徴量を抽出する際、特徴量抽出部１１４が、正常な画像データと、欠陥画像データとを比較した上で欠陥部を抽出する。このとき、特徴量抽出部１１４は、画像上のノイズを誤って欠陥部として抽出しないよう、ノイズをある一定のレベルで除去したり、光の加減で明るくなってしまっている箇所を、誤って欠陥部として抽出しないよう、検出感度を調節したりする。Ｓ２０３の処理は、特開２００７−１９８９６８号公報などに記載されている技術であるため、詳細な説明は省略する。

次に、特徴量抽出部１１４は、欠陥部を抽出すると、この欠陥パターンにおける特徴量を抽出し、ＡＤＣを行う際の重み付けを決定する（Ｓ２０４）。特徴量は、欠陥画像データごとに、予め設定されている定量化された物理的特徴が算出される。物理的特徴としては、前記したような平坦度、明るさ、真円度、大きさの他に、高さ、形、色、テクスチャ、欠陥、背景などが考えられる。特徴量抽出部１１４は、抽出した特徴量を基準特徴量データ１２４として記憶部１２に格納する。

Ｓ２０４の後、自動欠陥分類部１１３は、Ｓ２０４で抽出した特徴量および決定された重み付けに従って、ＡＤＣ処理を行い（Ｓ２０５）、ＡＤＣによる欠陥画像データの分類を行う。ＡＤＣ処理は、特開平９−１０１９７０号公報などに記載されている技術であるため、詳細な説明は省略する。

そして、自動欠陥分類部１１３は、ＡＤＣ処理の結果を分類基準データ１２１（図４）に反映する（Ｓ２０６）。自動欠陥分類部１１３は、Ｓ２０２の段階では空欄となっていたＡＤＣによるカテゴリにＳ２０５における分類の結果を登録する。具体的には、自動欠陥分類部１１３は、Ｓ２０２の段階における分類を、Ｓ２０５による結果で、さらに、細かく分類する。例えば、図示していない「Ａ２０．ｊｐｇ」、「Ａ２１．ｊｐｇ」、「Ａ２２．ｊｐｇ」が、Ｓ２０２（ユーザによる分類）で「Ｃ３：パターンショート」と判定されたが、Ｓ２０５（ＡＤＣによる分類）で、「Ａ２０．ｊｐｇ」が「Ｃ１：パーティクル」と判定され、「Ａ２１．ｊｐｇ」、「Ａ２２．ｊｐｇ」が「Ｃ３：パターンショート」と判定されたとする。この場合、「Ａ２０．ｊｐｇ」は、ユーザによるカテゴリが「Ｃ３：パターンショート」、ＡＤＣによるカテゴリが「Ｃ１：パーティクル」に分類され、「Ａ２１．ｊｐｇ」、「Ａ２２．ｊｐｇ」がユーザによるカテゴリが「Ｃ３：パターンショート」、ＡＤＣによるカテゴリが「Ｃ３：パターンショート」に分類される。

なお、分類基準データ１２１が図４のようなタイプではなく、欠陥画像データごとにカテゴリ名が付されるタイプの場合は、Ｓ２０５の結果、分類されたカテゴリ名を各欠陥画像データに付加するだけでもよい。

次に、表示処理部１１１が、図８に示すセルフチェック画面を表示部１４に表示し（Ｓ２０７）、ユーザがセルフチェック画面を用いてセルフチェックを行う（Ｓ２０８）。セルフチェックに関しては、図８〜図１０を参照して後記する。
そして、ユーザがセルフチェックの結果から分類基準データ１２１の分類が適切か否かの良好判定を行う（Ｓ２０９）。
Ｓ２０９の結果、良好ではない（分類基準データ１２１の分類が適切ではない）と判定された場合（Ｓ２０９→Ｎｏ）、変更を分類基準データ１２１に反映した後、Ｓ２０３の処理まで戻って、特徴量の抽出や、再度ＡＤＣ処理を行った結果をセルフチェック画面として表示する。
Ｓ２０９の結果、良好である（分類基準データ１２１の分類が適切である）と判定された場合（Ｓ２０９→Ｙｅｓ）、処理を終了する。

次に、図３，図８〜図１０を適宜参照しつつ、図７に沿ってセルフチェック処理の手順を示す。
図７は、本実施形態に係るセルフチェック処理の手順を示す図である。なお、図７の処理は、図６のＳ２０７からＳ２０９に相当する処理である。
まず、表示処理部１１１はコンフュージョンマトリクス２１１（カテゴリ別対応情報）を生成し、生成したコンフュージョンマトリクス２１１を含むセルフチェック画面２００ａ（図８）を表示する（Ｓ３０１）。

図８は、本実施形態にかかるセルフチェック画面（初期画面）の例を示す図である。
セルフチェック画面２００ａ（２００）は、コンフュージョンマトリクス表示エリア２０１、欠陥画像リスト表示エリア２０２および欠陥画像確認エリア２０３が同じウィンドウ内に表示されてなる。
コンフュージョンマトリクス表示エリア２０１には、コンフュージョンマトリクス２１１が表示されている。コンフュージョンマトリクス２１１は、ユーザによる分類（図８では「Ｍａｎｕａｌ」と表記）と、ＡＤＣによる分類（図８では、「ＡＤＣ」と表記）における各カテゴリにおける画像数を示す表である。
なお、Ｃ１〜Ｃ５の符号は、前記したようにカテゴリの識別番号であり、「Ｃ１」がパーティクルを示し、「Ｃ２」がスクラッチを示し、「Ｃ３」がパターンショートを示し、「Ｃ４」がパターンオープンを示し、「Ｃ５」が欠陥なしを示している。

図８の例では、縦軸がユーザによる分類のカテゴリ（「Ｍａｎｕａｌ」）を示し、横軸がＡＤＣによる分類のカテゴリを示している。
例えば、コンフュージョンマトリクス２１１の第１行目をみると、ユーザによる分類（「Ｍａｎｕａｌ」）では、Ｃ１（パーティクル）と判定された欠陥画像データは３８（３４＋４）個であるが、ＡＤＣではそれらのうち、３４個がＣ１（パーティクル）と判定され、４個がＣ３（パターンショート）と判定されている。正解率は、ユーザによる分類結果に対する、ＡＤＣによる分類結果との一致率である。例えば、第１行目における正解率は、３４／３８×１００≒８９（％）である。

同様に、図８のコンフュージョンマトリクス２１１の第１列をみると、ＡＤＣは、３７（３４＋１＋２）個がＣ１（パーティクル）と判定しているが、このうち、１個は、ユーザによってＣ２（スクラッチ）と判定され、２個は、ユーザによってＣ５（欠陥なし）と判定されていることが分かる。純度は、ＡＤＣの分類結果に対するユーザによる分類結果との一致率であり、例えば、第１列目の純度は、３４／３７×１００≒９２（％）である。

コンフュージョンマトリクス２１１における符号２１２の要素（中央斜めのライン）は、各カテゴリにおいてユーザによる分類と、ＡＤＣによる分類とが一致した欠陥画像データの数である。また、符号２１３は、全欠陥画像データの数に対するユーザによる分類とＡＤＣによる分類とが一致した割合である。
入力部１３を介してマトリクスボタン２１４が選択入力されると、表示処理部１１１が、図４に示す分類基準データ１２１を参照し、各カテゴリにおける欠陥画像データを計数して、コンフュージョンマトリクス２１１に表示する。

ここで、表示処理部１１１は、コンフュージョンマトリクス２１１のセルが選択されたか否かを監視している（図７のＳ３０２）。
セルが選択されない場合（Ｓ３０２→Ｎｏ）、表示処理部１１１は図７のＳ３０４へ進む。以下、図７および後記する図１２において、ステップ番号Ｓｎの処理がＮｏである場合、ステップ番号Ｓｍの処理へ進むとは、Ｓｎの判定が行われていない状態で、Ｓｍの処理が実行されたとき、処理部１１はＳｍの処理を実行するという意味である。これは、図７および図１２の処理が画面処理であるため、各ステップの実行は実際には処理の順番に関係なく、指示が入力されると実行されるためである。

そして、ユーザがコンフュージョンマトリクス２１１におけるセルの１つを選択すると（図７のＳ３０２→Ｙｅｓ）、そのセルのカテゴリに対応する欠陥画像が欠陥画像リスト表示エリア２０２に表示される（図７のＳ３０３）。
例えば、入力部１３を介してユーザによる分類（「Ｍａｎｕａｌ」）がＣ３（パターンショート）であり、ＡＤＣによる分類（「ＡＤＣ」）もＣ３（パターンショート）であるセル２１５が選択入力されると、表示処理部１１１は、図４の分類基準データ１２１からユーザによるカテゴリおよびＡＤＣによるカテゴリが「Ｃ３：パターンショート」であるレコードに格納されている欠陥画像データ名を取得する。そして、表示処理部１１１は、記憶部１２の欠陥画像データ群１２３（図３）から取得した欠陥画像データ名に対応する画像データを取得し、取得した画像データを欠陥画像リスト表示エリア２０２に表示する。
なお、図８において、セル２１５には「１２」と記載されているので、欠陥画像リスト表示エリア２０２に表示される画像も１２個である。図８では、欠陥画像リスト表示エリア２０２のスライドバーを動かすことによって、ユーザは１２個の画像を参照することができる。

欠陥画像確認エリア２０３の中は、Ｓ３０３の段階では何も表示されていない。また、保存ボタン２０５および削除ボタン２０６についても後記する。

正確な分類基準データ１２１を作成し、ＡＤＣによる分類の精度を向上するには、コンフュージョンマトリクス２１１における純度と正解率を上げる必要がある。
以下、図９および図１０を用いて、純度と正解率を上げるための分類基準データ１２１の更新方法を説明する。なお、図９および図１０において、図８と同様の要素については同一の符号を付して説明を省略する。
図９は、本実施形態に係るセルフチェック画面（画像比較）の例を示す図である。
図９では、コンフュージョンマトリクス２１１において、ユーザによる分類（「Ｍａｎｕａｌ」）が「Ｃ１：パーティクル」であり、ＡＤＣによる分類（「ＡＤＣ」）が「Ｃ３：パターンショート」であるセル３０１を選択入力した例を示す。

表示処理部１１１は欠陥画像リスト表示エリア２０２に表示されている欠陥画像が選択されたか否かを判定しており（図７のＳ３０４）、欠陥画像が選択されていない場合（Ｓ３０４→Ｎｏ）、表示処理部１１１は図７のＳ３０７へ処理を進める。

ユーザが、欠陥画像リスト表示エリア２０２に表示されている欠陥画像のうち、１個の欠陥画像３１１ａを欠陥画像確認エリア２０３にドラッグアンドドロップすることにより、欠陥画像を選択すると（図７のＳ３０４→Ｙｅｓ）と、欠陥画像確認エリア２０３の画像比較エリア３２０の対象画像表示エリア３３０にドラッグアンドドロップした欠陥画像３１ａがコピーされ、欠陥画像３１１ｂとして拡大表示される。
また、比較画像表示エリア３４０には、カテゴリ選択プルダウンメニュー３４１で選択されたカテゴリに属する欠陥画像３４２が表示される。なお、カテゴリ選択プルダウンメニュー３４１で選択されるカテゴリは、ユーザによる分類である。他のカテゴリの画像と比較したい場合、入力部１３を介してカテゴリ選択プルダウンメニュー３４１で他のカテゴリを選択する。

具体的には、表示処理部１１１はカテゴリ選択プルダウンメニュー３４１でカテゴリが選択されたか否かを判定しており（図７のＳ３０５）、カテゴリが選択されない場合（Ｓ３０５→Ｎｏ）、表示処理部１１１はＳ３０７へ処理を進める。
カテゴリ選択プルダウンメニュー３４１でカテゴリが選択されると（図７のＳ３０５→Ｙｅｓ）、表示処理部１１１は、選択されたカテゴリをキーとして、図４の分類基準データ１２１を参照し、ユーザによる分類が選択されたカテゴリに該当するすべてのレコードに格納されている欠陥画像データ名を取得する。そして、表示処理部１１１は、取得した欠陥画像データ名に該当する欠陥画像データを記憶部１２の欠陥画像データ群１２３（図３）から取得し、取得した欠陥画像データを、該当するカテゴリの比較画像として比較画像表示エリア３４０に表示する（図７のＳ３０６）。

画像比較エリア３２０の裏には、特徴量表示エリア４００（図１０）が隠れており、「分析タブ」が入力部１３を介して選択入力されることにより、特徴量表示エリア４００（図１０）が前面に表示される。
つまり、表示処理部１１１は、「分析タブ」が選択入力（選択）されたか否かを判定しており（図７のＳ３０７）、分析タブが選択されない場合（Ｓ３０７→Ｎｏ）、表示処理部１１１は図７のＳ３１０へ処理を進める。
分析タブが選択された場合（Ｓ３０７→Ｙｅｓ）、表示処理部１１１は図１０に示す特徴量表示エリア４００を表示する。

図１０は本実施形態に係るセルフチェック画面（特徴量比較）の例を示す図である。
ユーザが、セルフチェック画面２００ｃ（２００）における欠陥画像リスト表示エリア２０２に表示されている任意の欠陥画像４０１ａを、特徴量表示エリア４００にドラッグアンドドロップすると、ドラッグアンドドロップされた欠陥画像４０１ａがコピーされ、欠陥画像４０１ｂとして特徴量表示エリア４００に表示される。
表示処理部１１１は特徴量選択プルダウンメニュー４０２，４０３で、特徴量を表示したいカテゴリが選択されたか否かを判定しており（図７のＳ３０８）、選択されていない場合（Ｓ３０８→Ｎｏ）、表示処理部１１１は図７のＳ３１０へ処理を進める。
特徴量選択プルダウンメニュー４０２，４０３で、特徴量を表示したいカテゴリが選択されると（図７のＳ３０８→Ｙｅｓ）、表示処理部１１１は選択されたカテゴリにおける各特徴量の分布を示すヒストグラムを生成し、特徴量分布表示エリア４１１に生成したヒストグラムを表示する（図７のＳ３０９）。なお、特徴量選択プルダウンメニュー４０２，４０３で選択されるカテゴリは、ユーザによる分類に従ったカテゴリである。

特徴量分布表示エリア４１１に表示されるグラフは、横軸が各特徴量の値を示し、縦軸がその値を示す欠陥画像データの数である。また、特徴量分布表示エリア４１１では、特徴量選択プルダウンメニュー４０２で選択されたカテゴリの特徴量分布が白抜きのヒストグラムで示され、特徴量選択プルダウンメニュー４０３で選択されたカテゴリの特徴量分布がハッチングのヒストグラムで示される。そして、特徴量選択プルダウンメニュー４０２で選択されたカテゴリの特徴量分布と、特徴量選択プルダウンメニュー４０３で選択されたカテゴリの特徴量分布とが重なっている部分は、黒く塗りつぶしたヒストグラムで示される。図１０の例では、「Ｃ１：パーティクル」の特徴量分布が白抜きのヒストグラムで示され、「Ｃ２：スクラッチ」の特徴量分布がハッチングのヒストグラムで示される。なお、特徴量分布表示エリア４１１の右上に表示されているパーセンテージは分離度を示し、２つのカテゴリの特徴量分布全体に対し分布が重なっていない部分の割合を示す。つまり、特徴量分布全体に対し、黒く塗りつぶしていないヒストグラムの割合を示している。分離度が大きいほど、２つのカテゴリにおける特徴量の分布が大きく異なっていることを示している。

特徴量分布を示すヒストグラムは、以下の手順で作成される。
まず、表示処理部１１１は、特徴量選択プルダウンメニュー４０２で選択されたカテゴリ名をキーとして、図４の分類基準データ１２１のユーザによるカテゴリを検索し、該当するすべてのレコードに含まれる欠陥画像データ名を取得する。
そして、表示処理部１１１は、取得した欠陥画像データ名をキーとして、図５の基準特徴量データ１２４を検索し、該当する欠陥画像データ名に相当する各特徴量の値を参照し、該当する特徴量の欠陥画像データ数を計数する。例えば、図５の例で、「Ａ１．ｊｐｇ」および「Ａ２．ｊｐｇ」が処理の対象であるとすると、まず、表示処理部１１１は、「Ａ１．ｊｐｇ」のレコードを参照することによって、「平坦度：５０」を＋１カウントし、「明るさ：６０」を＋１カウントする。表示処理部１１１は、このレコードにおける「真円度」、「大きさ」についても同様にカウントする。

次に、表示処理部１１１は、「Ａ２．ｊｐｇ」のレコードを参照することによって、「平坦度：４０」を＋１カウントし、「明るさ：６０」を＋１カウントする（これで、「明るさ：６０」は「２」となる）。表示処理部１１１は、このレコードにおける「真円度」、「大きさ」についても同様にカウントする。
表示処理部１１１は、この処理を、取得した欠陥画像データ名すべてに対し行った後、特徴量選択プルダウンメニュー４０３で選択されたカテゴリについても同様の処理を行い、各特徴量におけるヒストグラムを算出する。

また、特徴量分布表示エリア４１１中のバー４１２は、欠陥画像４０１ｂにおける特徴量の値を示している。表示処理部１１１は、欠陥画像４０１ｂの欠陥画像データ名をキーとして、図４の基準特徴量データ１２４から特徴量の値を取得し、表示処理部１１１が取得した値に該当する特徴量を示す箇所にバー４１２を表示する

分離度一覧表示エリア４３１には、前記した分離度が高い順に表示されている。
ラジオボタン４２１，４２２は、ＡＤＣ処理で分類を行う際、実際に使用している特徴量である。図１０の例では、ラジオボタン４２１，４２２が「Ｏｎ」となっている「平坦度」、「明るさ」、「真円度」がＡＤＣ処理で使用されている特徴量である。ユーザが、ラジオボタン４２１，４２２の「Ｏｎ／Ｏｆｆ」を切り替えることにより、ＡＤＣ処理で使用される特徴量の有効／無効を設定することができる。例えば、ユーザが、「明るさ」と「真円度」は有効な特徴量ではないと判断したとき、該当するラジオボタン４２１，４２２を選択入力することによって、ＡＤＣ処理におけるこれらの特徴量の使用を無効にすることができる。また、逆にユーザが「大きさ」は有効な特徴量であると判断したとき、該当するラジオボタン４２１，４２２を選択入力することによって、ＡＤＣ処理におけるこれらの特徴量の使用を有効にすることができる。

表示処理部１１１は移動ボタン３３２（図９）が選択入力されたか否かを判定することによって、該当する欠陥画像データを現在のカテゴリから他のカテゴリへ移動するか否かを判定しており（図７のＳ３１０）、移動しない場合（Ｓ３１０→Ｎｏ）、処理部１１は処理を終了する。ここで、移動しない場合とは削除ボタン２０６が選択入力されたり、移動ボタン３３２を選択入力していない状態でユーザがセルフチェック画面２００を閉じたりした場合などである。なお、Ｓ３１０は、図６のＳ２０９の処理に相当する。

ユーザが、当該欠陥画像を、現在のカテゴリから他のカテゴリへ移動しようと思ったとき、ユーザは、移動先カテゴリ選択プルダウンメニュー３３１から移動先カテゴリを選択し、移動ボタン３３２（図９）を選択入力すると（図７のＳ３１０→Ｙｅｓ）、表示処理部１１１は対象画像表示エリア３３０（図９）に表示されている欠陥画像３１１ｂのデータ名を、選択された移動先カテゴリへ移動する。具体的には、表示処理部１１１は、欠陥画像３１１ｂに相当する欠陥画像データ名を、分類基準データ１２１において、ユーザによるカテゴリが、選択された移動先カテゴリであるレコードへ移動することによって分類基準データ１２１を更新する（図７のＳ３１１）。

また、対象画像表示エリア３３０に表示されている欠陥画像が、分類基準データ１２１を作成する上では不適切な（例えば、欠陥が正しく撮像されていない場合など）画像であれば、入力部１３を介して削除ボタン２０６が選択入力されることにより、表示処理部１１１は、当該欠陥画像データ名を分類基準データ１２１から削除することができる。

ユーザが、移動ボタン３３２（図９）を選択入力して学習に使用する欠陥画像データ名を他のカテゴリに移動した場合や、削除ボタン２０６を選択入力することで欠陥画像データを分類基準データ１２１から削除した場合や、ＡＤＣ処理に使用する特徴量の有効／無効を切り替えた際は、その都度マトリクスボタン２１４を選択入力ことでコンフュージョンマトリクス２１１を更新することが可能である。また、その際の分類基準データ１２１は保存ボタン２０５を選択入力することで上書き保存または別名保存することができる。

このように作成された分類基準データ１２１はレビュー装置１におけるＡＤＣ処理の際の分類基準として利用され、レビュー装置１は、半導体ウェハ上の欠陥を自動で分類し、データ処理装置３に各結果におけるカテゴリの識別番号を転送する。一方、ＡＤＣで欠陥画像と判定された欠陥画像データ群１２３はウェハ毎にレビュー装置１の記憶部１２に保存される。

ここまでの処理で、ＡＤＣで欠陥画像を分類するため分類基準データ１２１が作成・修正される。次に、図１０〜図１４で、分類基準データ１２１が作成された後、新たな欠陥画像データがレビュー装置１に送られてきた際の処理を説明する。送られた新たな欠陥画像データは、記憶部１２の欠陥画像データ群１２３に格納される。

図１１は、新たに欠陥画像データを取得した際の処理の手順を示すフローチャートである。
まず、図６の処理後、レビュー装置１が新たな欠陥画像データを撮像すると、特徴量抽出部１１４が、欠陥認識パラメータの自動調整を行った後、特徴量の抽出を行い、自動欠陥分類部１１３が撮像された欠陥画像データに対しＡＤＣ処理を行い（Ｓ４０１）、欠陥画像の分類を行う。ＡＤＣ処理の結果は、図４に示す分類データ１２２に登録される。欠陥認識パラメータの自動調整、特徴量の抽出は、図６のＳ２０３，Ｓ２０４の処理と同様であるため説明を省略する。
次に、入力部１３を介してユーザによる分類が入力指示されると、更新日時の情報などを基に入力処理部１１２は記憶部１２の欠陥画像データ群１２３から新たに入力された欠陥画像データを読み込む（Ｓ４０２）。

このとき、表示処理部１１１は、図４の分類データ１２２も読み込み、ＡＤＣ処理の結果と、欠陥画像を対応させたＡＤＣ分類結果を表示部１４に表示する。
ユーザは、表示されている分類結果を参照し、ＡＤＣ処理で正しく分類されているかを確認し、分類に誤りがあれば適切なカテゴリに再分類する（Ｓ４０３）。入力処理部１１２は、再分類の結果を図４の分類データ１２２に反映する（Ｓ４０４）。反映の手順は、ユーザによる分類→ＡＤＣの分類の順番が、ＡＤＣの分類→ユーザによる分類へと変わったこと以外は図６のＳ２０６と同様であるので、詳細な説明を省略する。

次に、表示処理部１１１は、分類データ１２２を基にコンフュージョンマトリクス２１１ａ（図１３）を生成し、このコンフュージョンマトリクス２１１ａを含むチェック画面５００（図１３）を表示する（Ｓ４０５）。分類データ１２２を基にコンフュージョンマトリクス２１１ａを生成する手順は、図８で説明した手順と同様であるため詳細な説明を省略する。

そして、ユーザは表示されたチェック画面５００（図１３）を参照して、現在の分類結果が良好か否か（適切か否か）の判定を行う（Ｓ４０６）。
Ｓ４０６の結果、良好である（分類結果が適切である）と判定された場合（Ｓ４０６→Ｙｅｓ）、処理を終了する。
Ｓ４０６の結果、良好ではない（分類結果が適切ではない）と判定された場合（Ｓ４０６→Ｎｏ）、表示処理部１１１は、チェック画面５００において選択した欠陥画像データを追加学習用画像データとしてコピーする（Ｓ４０７）。
そして、表示処理部１１１は、分類基準データ１２１を更新し（Ｓ４０８）、特徴量抽出部１１４が、欠陥認識パラメータの自動調整および特徴量の抽出を行った後、自動欠陥分類部１１３が更新された分類基準データ１２１を基にＡＤＣ処理を行う（Ｓ４０９）。なお、Ｓ４０７およびＳ４０８については、後記して説明する。
その後、処理部１１は、Ｓ４０５へ処理を戻す。

次に、図３，図１３〜図１５を適宜参照しつつ、図１２に沿ってチェック処理の手順を示す。なお、図１２の処理は、図１１のＳ４０５からＳ４０８に相当する処理である。
図１２は、本実施形態に係るチェック処理の手順を示すフローチャートである。
まず、表示処理部１１１は、図１３に示すチェック画面５００ａ（５００）および図１４に示すチェック画面５００ｂ（５００）を表示部１４に表示し、画像比較処理・特徴量比較処理を行う（Ｓ５０１）。Ｓ５０１は、図６の処理において、分類基準データ１２１の代わりに分類データ１２２を用いた処理であるため詳細な説明を省略する。

図１３は、本実施形態に係るチェック画面（画像比較）の例を示す図である。
チェック画面５００ａ（５００）において、符号２０１ａ，２０２ａ，２０３ａ，２０５ａ，２０６ａ，２１１ａ，２１４ａ，３２０ａ，３３０ａ，３３１ａ，３３２ａ，３４０ａ，３４１ａ，３４２ａは、分類基準データ１２１を基に作成していたのが、分類データ１２２を基に画面を作成する以外は、図９における符号２０１，２０２，２０３，２０５，２０６，２１１，２１４，３２０，３３０，３３１，３３２，３４０，３４１，３４２と同様であるので説明を省略する。また、図９の「分析タブ」が「分析１タブ」となっているが、機能としては同様である。コピーボタン５０１については、後記して説明する。

図１３の例では、入力部１３を介して分類データ１２２を基に作成されたコンフュージョンマトリクス２１１ａにおけるセル５０２を選択することによって、表示処理部１１１は、欠陥画像リスト表示エリア２０２ａに該当する欠陥画像５１１を表示する。欠陥画像５１１のうちの１個の欠陥画像５１２ａがドラッグアンドドロップによって、対象画像表示エリア３３０ａにコピーされ欠陥画像５１２ｂとして表示されている。
なお、図１３における移動ボタン３３２ａは、選択された欠陥画像５１２ｂのデータを同じ分類データ１２２内の他のカテゴリへ移動するためのボタンである。

図１４は、本実施形態に係るチェック画面（特徴量比較）の例を示す図である。
チェック画面５００ｂ（５００）において、符号２０１ａ，２０２ａ，２０３ａ，２０５ａ，２０６ａ，２１１ａ，２１４ａ，４００ａ，４０２ａ，４０３ａ，４１１ａ，４１２ａ，４２１ａ，４２２ａ，４３１ａは、分類基準データ１２１を基に作成していたのが、分類データ１２２を基に画面を作成する以外は、図１０における符号２０１，２０２，２０３，２０５，２０６，２１１，２１４，４００，４０２，４０３，４１１，４１２，４２１，４２２，４３１と同様であるので説明を省略する。

図１４の例では、欠陥画像リスト表示エリア２０２ａに表示されている欠陥画像のうちの１個（符号６０１ａ）がドラッグアンドドロップにより特徴量表示エリア４００ａにコピーされ、欠陥画像６０１ｂとして表示されている。

図１２に戻り、Ｓ５０１の後、図１３や図１４における「分析２タブ」が選択入力されたか否か（選択されたか否か）を判定する（Ｓ５０２）。
Ｓ５０２の結果、「分析２タブ」が選択されていない場合（Ｓ５０２→Ｎｏ），表示処理部１１１は、Ｓ５０５へ処理を進める。

Ｓ５０２の結果、「分析２タブ」が選択された場合（Ｓ５０２→Ｙｅｓ）、表示処理部１１１は、図１５に示すチェック画面５００ｃ（５００）を表示する。
図１５は、本実施形態に係るチェック画面（シミュレート）の例を示す図である。
図１５において、図１３および図１４と同様の要素については、同一の符号を付して説明を省略する。
チェック画面５００ｃ（５００）では、欠陥画像確認エリア２０３ａにシミュレートエリア７００が表示されている。シミュレートエリア７００は、特徴量表示エリア７１０と、欠陥画像表示エリア７２０と、シミュレート実行エリア７３０とを有してなる。

表示処理部１１１は、特徴量表示エリア７１０におけるカテゴリ選択プルダウンメニュー７１１でカテゴリが選択されたか否かを判定し（図１２のＳ５０３）、選択されていない場合は、図１２のＳ５０５へ処理を進める。
さらに、特徴量種別選択プルダウンメニュー７１２で特徴量種別が選択されると、表示処理部１１１は、分類基準データ１２１および分類データ１２２を基に、特徴量分布を示すヒストグラムを生成し、特徴量分布表示エリア７１３に生成したヒストグラムを表示する（Ｓ５０４）。
特徴量分布表示エリア７１３に表示されるヒストグラムは、図１０や図１４で表示されるヒストグラムとは異なり、同一のカテゴリおよび特徴量種別で分類基準データ１２１と、新たに追加された欠陥画像データ群１２３との特徴量分布を示す。

図１５の例では、カテゴリが「Ｃ１：パーティクル」、特徴量種別が「明るさ」である分類基準作成時（つまり分類基準データ１２１）のヒストグラムを白抜きで表示し、追加画像群（つまり分類データ１２２）のヒストグラムをハッチングで表示している。２つのヒストグラムが重なっている部分は黒く塗りつぶされている。
ヒストグラムの作成手順は以下の通りである。まず、表示処理部１１１は、カテゴリ選択プルダウンメニュー７１１で選択されたカテゴリ名をキーとして、分類基準データ１２１のユーザによるカテゴリを参照し、該当するすべての欠陥画像データ名を取得する。そして、表示処理部１１１は、取得したすべての欠陥画像データ名をキーとして、基準特徴量データ１２４における特徴量種別選択プルダウンメニュー７１２で選択された特徴量種別を参照し、その値毎に欠陥画像データ数をカウントする。表示処理部１１１は、同様の処理を分類データ１２２に対しても行う。

このように作成したヒストグラムによれば、分類基準データ１２１の特徴量分布と、分類データ１２２の特徴量の分布の差を、ユーザが視認することが可能となる。例えば、図１５の特徴量分布表示エリア７１３から、カテゴリ（ユーザによって分類されたカテゴリ）が「Ｃ１：パーティクル」で、特徴量種別が「明るさ」において、追加画像群の特徴量分布が、分類基準作成時（分類基準データ１２１）より低い値（グラフの左側）に分布が集中していることが分かる。これより、分類基準データ１２１の特徴量分布において低い値を補充すればよいことがわかる。

そこで、入力部１３を介してバー７１４を移動させると、表示処理部１１１は、このバー７１４が位置している値の欠陥画像データを取得して、欠陥画像表示エリア７２０に表示する。図１５の例では、バー７１４がヒストグラムにおける一番左側の値を示しているため、明るさがこの値であり、カテゴリが「Ｃ１：パーティクル」である欠陥画像データを欠陥画像７２１，７２２として表示する。
具体的には、表示処理部１１１は、バー７１４が示している特徴量の値を読み込むと、読み込んだ値をキーとして図４の特徴量データ１２５における特徴量種別選択プルダウンメニュー７１２で選択されている特徴量種別の値を検索し、この値を有している欠陥画像データ名を取得する。そして、表示処理部１１１は、取得した欠陥画像データ名をキーとして、分類データ１２２のユーザによるカテゴリを参照し、取得した欠陥画像データ名のうち、カテゴリ選択プルダウンメニュー７１１で選択されているカテゴリに該当する欠陥画像データ名を取得する。そして、表示処理部１１１は、取得した欠陥画像データ名をキーとして、欠陥画像データ群１２３から欠陥画像データを取得し、欠陥画像表示エリア７２０に表示する。なお、ユーザがバー７１４を動かさなくても、例えばヒストグラムの一番左の値がデフォルトで選択された状態となっていてもよい。

なお、特徴量種別選択プルダウンメニュー７１２は、分類基準作成時（分類基準データ１２１）と追加画像群（分類データ１２２）の特徴量分布を重ねて表示した際、一致率が低い（分離度が高い）特徴量種別から順に表示されるようにしてもよい。

次に、表示処理部１１１は、入力部１３を介して欠陥画像表示エリア７２０に表示されている欠陥画像がシミュレート実行エリア７３０にドラッグアンドドロップされたか否かを判定することによって欠陥画像が選択されたか否かを判定する（図１２のＳ５０５）。
Ｓ５０５の結果、欠陥画像が選択されていない場合（Ｓ５０５→Ｎｏ）、表示処理部１１１は、図１２のＳ５０８へ処理を進める。

Ｓ５０５の結果、欠陥画像が選択された場合（Ｓ５０５→Ｙｅｓ）、表示処理部１１１は、ドラッグアンドドロップされた欠陥画像を図１５のシミュレート実行エリア７３０に表示する。
図１５の例では、欠陥画像表示エリア７２０に表示されている欠陥画像７２１，７２２のうち、欠陥画像７２２がドラッグアンドドロップ（選択）され、シミュレート実行エリア７３０の欠陥画像７２２ａとして表示されているが、複数の欠陥画像を選択することも可能である。

次に、ユーザは、シミュレート実行エリア７３０に表示されている欠陥画像７２２ａをどこのカテゴリ（分類基準データ１２１のユーザによるカテゴリ）に移動するかを、カテゴリ選択プルダウンメニュー７３１で選択した後、表示処理部１１１は、実行ボタン７３２が選択入力されたか否かを判定することによってシミュレーションを実行するか否かを判定する（図１２のＳ５０６）。
Ｓ５０６の結果、シミュレーションを実行しない場合（Ｓ５０６→Ｎｏ）、表示処理部１１１は、Ｓ５０８へ処理を進める。

Ｓ５０６の結果、シミュレーションを実行する場合（Ｓ５０６→Ｙｅｓ）、特徴量抽出部１１４が、シミュレート実行エリア７３０に表示されている欠陥画像７２２ａを分類基準データ１２１に加えた場合、どのようなコンフュージョンマトリクス２１１ａが生成されるかをシミュレーションし、その結果を表示部１４に表示する（図１２のＳ５０７）。具体的には、自動欠陥分類部１１３が、欠陥画像７２２ａが加えられた仮の分類基準データ１２１を用いて、新たに追加された欠陥画像データ群１２３の再分類を行い、仮の分類データ１２２を作成する。そして、表示処理部１１１は、前記した手順と同様の方法で仮の分類データ１２２からコンフュージョンマトリクス２１１ａを生成すると、このコンフュージョンマトリクス２１１ａをコンフュージョンマトリクス表示エリア２０１ａに表示することによって、コンフュージョンマトリクス２１１ａの更新を行う。

なお、Ｓ５０７の時点において、実際には、欠陥画像７２２ａのデータは分類基準データ１２１に追加されておらず、あくまでも欠陥画像７２２ａのデータが分類基準データ１２１に追加されたらどのようなコンフュージョンマトリクス２１１ａが生成されるかをシミュレーションするものである。シミュレーションの結果（加える欠陥画像データ、カテゴリ、コンフュージョンマトリクス２１１ａ、仮の分類基準データ１２１、仮の分類データ１２２など）は、表示処理部１１１が履歴として記憶部１２に保持しておいてもよい。この場合、ユーザが履歴選択プルダウンメニュー７３４で履歴を選択すると、表示処理部１１１は、そのときの状態（加える欠陥画像データ、カテゴリ、コンフュージョンマトリクス２１１ａ、仮の分類基準データ１２１、仮の分類データ１２２など）をチェック画面５００に表示する。

ユーザは、シミュレーションの結果、更新されたコンフュージョンマトリクス２１１ａを参照して、シミュレート実行エリア７３０に表示されている欠陥画像７２２ａを分類基準データ１２１に加えるのが妥当か否かを判断する。
妥当であると判断した場合、入力部１３を介してコピーボタン７０１が選択入力される。つまり、表示処理部１１１は、コピーボタン７０１が選択入力されたか否かを判定することによって、欠陥画像７２２ａを分類基準データ１２１にコピーするか否かを判定する（図１２のＳ５０８）。なお、Ｓ５０８の処理は、図１１のＳ４０６に相当する。
コピーしない場合（Ｓ５０８→Ｎｏ）、処理部１１は処理を終了する。

コピーする場合（Ｓ５０８→Ｎｏ）、表示処理部１１１は該当する欠陥画像７２２ａを分類基準データ１２１にコピーする（図１２のＳ５０９）。実際には、表示処理部１１１がシミュレート実行エリア７３０に表示されている欠陥画像７２２ａに該当する欠陥画像データ名を分類基準データ１２１にコピーする。なお、Ｓ５０９の処理は、図１１のＳ４０７に相当する。
その後、表示処理部１１１は適用ボタン７３３が選択入力されたか否かを判定することによって、コピーを適用するか否かを判定する（図１２のＳ５１０）。
コピーを適用しない場合（Ｓ５１０→Ｎｏ）、処理部１１は処理を終了する。コピーを適用しない場合とは、コピーボタン７０１が適用された後、一定時間適用ボタン７３３が選択入力されなかった場合や、削除ボタン２０６ａが選択入力された場合や、チェック画面５００が閉じられた場合などである。

コピーを適用する場合（Ｓ５１０→Ｙｅｓ）、表示処理部１１１はシミュレート実行エリア７３０に表示されている欠陥画像７２２ａのデータ名を分類基準データ１２１に追加登録し、分類基準データ１２１を更新する（分類基準データ１２１を確定する：図１２のＳ５１１）。
なお、履歴選択プルダウンメニュー７３４よりシミュレーションの履歴を呼び出し、適用ボタン７３３を選択入力することによって、シミュレーションの履歴に該当する状態を分類基準データ１２１に反映・確定してもよい。なお、コピーボタン７０１を省略し、Ｓ５０８の処理を省略してもよい。この場合、適用ボタン７３３が選択入力されると、欠陥画像データ名が分類基準データ１２１にコピーされると同時に適用処理も行われる。

なお、本発明は特徴量分布を表示する際にヒストグラムで表示しているが、これに限られるものではない。例えば散布図などで表示することも可能である。

本発明によれば、ＡＤＣの分類基準データ１２１を作成するにあたり、各欠陥画像を比較したり、特徴量分布を比較し、これらの比較の結果、分類基準データ１２１の中で画像データ名を移動したり、分類データ１２２における欠陥画像データ名を分類基準データ１２１にコピーしたりすることで、分類基準データ１２１を更新することができる。この結果、不適切な学習による分類基準の分類性能低下を防止でき、ＡＤＣの分類精度を向上させることができる。さらに、欠陥画像とともに、特徴量分布を表示するなど、分類対象となるカテゴリ間の特徴量を効率良く表示・改良できることで、ユーザは、効率よく欠陥画像の分類の適切・不適切を判断することができる。つまり、欠陥を自動分類するための装置として分類基準作成時の操作性を改良して、使い勝手を向上し、分類基準をより早く、より正確に作成・修正できるようにすることができる。そのため、注目している欠陥種別の発生状況をラインへより正確にフィードバックし、ラインの歩留まりを向上させることができる。

また、分類基準に登録されていないタイプの欠陥が検出されても柔軟に対応できる。

本実施形態に係る半導体ウェハ製造システムの構成例を示す図である。 本実施形態に係る半導体ウェハ製造システムにおけるデータの流れを示す図である。 本実施形態に係るレビュー装置の構成例を示す図である。 分類基準データおよび分類データの例を示す図である。 基準特徴量データおよび特徴量データの例を示す図である。 本実施形態に係る分類基準作成処理の手順を示すフローチャートである。 本実施形態に係るセルフチェック処理の手順を示すフローチャートである。 本実施形態に係るセルフチェック画面（初期画面）を例を示す図である。 本実施形態に係るセルフチェック画面（画像比較）の例を示す図である。 本実施形態に係るセルフチェック画面（特徴量比較）の例を示す図である。 新たに欠陥画像データを取得した際の処理の手順を示すフローチャートである。 本実施形態に係るチェック処理の手順を示すフローチャートである。 本実施形態に係るチェック画面（画像比較）の例を示す図である。 本実施形態に係るチェック画面（特徴量比較）の例を示す図である。 本実施形態に係るチェック画面（シミュレート）の例を示す図である。

符号の説明

１ レビュー装置（画像分類装置）
１ａ 光学式レビュー装置
１ｂ ＳＥＭ式レビュー装置
１１ 処理部
１２ 記憶部
１３ 入力部
１４ 表示部
１５ 送受信部
１１１ 表示処理部
１１２ 入力処理部
１１３ 自動欠陥分類部
１１４ 特徴量抽出部
１１５ データ取得部
１２１ 分類基準データ
１２２ 分類データ
１２３ 欠陥画像データ群
１２４ 基準特徴量データ
１２５ 特徴量データ
２００，２００ａ，２００ｂ，２００ｃ セルフチェック画面
２１１，２１１ａ コンフュージョンマトリクス（カテゴリ別対応情報）
Ｚ 半導体ウェハ製造システム

Claims (14)

1. 画像データを分類する際の基準となる画像データの情報が登録されている分類基準データと、新規に入力された画像データが前記分類基準データを使用して分類された結果としての画像データの情報が登録されている分類データと、
   を格納している記憶部と、
   入力部を介して、前記分類データに登録されている画像データのうちの任意の画像データの情報を選択させ、
   前記入力部を介して、前記選択させた画像データの情報を前記分類基準データに追加登録する旨の指示の入力を受け付け、
   前記選択させた画像データの情報を前記分類基準データに追加登録する制御部と、
   を有する画像分類装置による画像分類基準更新方法であって、
   前記分類データは、ユーザによって分類されたカテゴリと、前記分類基準データによって分類されたカテゴリとにより、前記新規に入力された画像データの情報が分類されており、
   前記制御部は、
   前記分類データにおける前記ユーザによって分類されたカテゴリに対応する画像データ数と、前記分類データにおける前記分類基準データによって分類されたカテゴリに対応する画像データ数とが対応付けられているカテゴリ別対応情報を生成し、
   前記生成したカテゴリ別対応情報を表示部に表示する
   ことを特徴とする画像分類基準更新方法。
2. 前記制御部は、
   前記分類基準データに登録されている画像データの情報に対応する画像と、前記分類データに登録されている画像データの情報に対応する画像とを同じウィンドウ内に表示する
   ことを特徴とする請求項１に記載の画像分類基準更新方法。
3. 前記分類基準データに登録されている画像データの情報に関する特徴量のデータである基準特徴量データと、前記分類データに登録されている画像データの情報に関する特徴量のデータである特徴量データと、
   が前記記憶部にさらに格納されており、
   前記制御部は、
   前記基準特徴量データに登録されている特徴量の分布と、前記特徴量データに登録されている特徴量の分布とを同じウィンドウ内に表示する、
   ことを特徴とする請求項１に記載の画像分類基準更新方法。
4. 前記制御部は、
   前記選択した画像データの情報を、前記分類基準データに追加登録し、前記追加登録した分類基準データを使用して、前記新規に入力された画像データの情報を再分類した結果をシミュレーションし、
   前記シミュレーションの結果を前記表示部に表示する
   ことを特徴とする請求項１に記載の画像分類基準更新方法。
5. 前記制御部は、
   前記カテゴリ別対応情報における画像データ数を選択すると、該当する画像データを前記表示部に表示する
   ことを特徴とする請求項１に記載の画像分類基準更新方法。
6. 前記画像データは、半導体ウェハにおける欠陥画像である
   ことを特徴とする請求項１に記載の画像分類基準更新方法。
7. 画像データがカテゴリ毎に分かれて格納されているとともに、前記画像データを分類する際の基準となる画像データの情報が登録されている分類基準データ
   を格納している記憶部と、
   入力部を介して、前記分類基準データに登録されている画像データの情報のうちの任意の画像データの情報を選択させ、
   前記入力部を介して、前記分類基準データにおける前記選択させた画像データの情報が格納されているカテゴリとは異なるカテゴリに前記選択させた画像データの情報を移動する旨の指示の入力を受け付け、
   前記選択させた画像データの情報を、前記分類基準データにおける前記他のカテゴリに移動する制御部と、
   を有する画像分類装置による画像分類基準更新方法であって、
   前記制御部は、
   前記分類基準データにおける前記ユーザによって分類されたカテゴリに対応する画像データ数と、前記分類基準データにおけるコンピュータによって分類されたカテゴリに対応する画像データ数とが対応付けられているカテゴリ別対応情報を生成し、
   前記生成したカテゴリ別対応情報を表示部に表示する
   ことを特徴とする画像分類基準更新方法。
8. 前記制御部は、
   前記分類基準データに登録されている画像データを表示部に表示する
   ことを特徴とする請求項７に記載の画像分類基準更新方法。
9. 前記分類基準データに登録されている画像データの特徴量のデータである基準特徴量データが前記記憶部にさらに格納されており、
   前記制御部は、
   前記基準特徴量データに登録されている特徴量の分布を前記表示部に表示する
   ことを特徴とする請求項７に記載の画像分類基準更新方法。
10. 前記制御部は、
    前記カテゴリ別対応情報における画像データ数を選択すると、該当する画像データを前記表示部に表示する
    ことを特徴とする請求項７に記載の画像分類基準更新方法。
11. 前記画像データは、半導体ウェハにおける欠陥画像である
    ことを特徴とする請求項７に記載の画像分類基準更新方法。
12. 請求項１から請求項１１のいずれか一項に記載の画像分類基準更新方法をコンピュータに実行させることを特徴とするプログラム。
13. 画像データを分類する際の基準となる画像データの情報が登録されている分類基準データと、新規に入力された画像データが前記分類基準データを使用して分類された結果としての画像データの情報が登録されている分類データと、
    を格納している記憶部と、
    入力部を介して、前記分類データに登録されている画像データのうちの任意の画像データの情報を選択させ、
    前記入力部を介して、前記選択させた画像データの情報を前記分類基準データに追加登録する旨の指示の入力を受け付け、
    前記選択させた画像データの情報を前記分類基準データに追加登録する制御部と、
    を有する画像分類装置であって、
    前記分類データは、ユーザによって分類されたカテゴリと、前記分類基準データによって分類されたカテゴリとにより、前記新規に入力された画像データの情報が分類されており、
    前記制御部は、
    前記分類データにおける前記ユーザによって分類されたカテゴリに対応する画像データ数と、前記分類データにおける前記分類基準データによって分類されたカテゴリに対応する画像データ数とが対応付けられているカテゴリ別対応情報を生成し、
    前記生成したカテゴリ別対応情報を表示部に表示する
    ことを特徴とする画像分類装置。
14. 画像データがカテゴリ毎に分かれて格納されているとともに、前記画像データを分類する際の基準となる画像データの情報が登録されている分類基準データ
    を格納している記憶部と、
    入力部を介して、前記分類基準データに登録されている画像データの情報のうちの任意の画像データの情報を選択させ、
    前記入力部を介して、前記分類基準データにおける前記選択させた画像データの情報が格納されているカテゴリとは異なるカテゴリに前記選択させた画像データの情報を移動する旨の指示の入力を受け付け、
    前記選択させた画像データの情報を、前記分類基準データにおける前記他のカテゴリに移動する制御部と、
    を有する画像分類装置であって、
    前記制御部は、
    前記分類基準データにおける前記ユーザによって分類されたカテゴリに対応する画像データ数と、前記分類基準データにおけるコンピュータによって分類されたカテゴリに対応する画像データ数とが対応付けられているカテゴリ別対応情報を生成し、
    前記生成したカテゴリ別対応情報を表示部に表示する
    ことを特徴とする画像分類装置。

Images