JP3749090B2

JP3749090B2 - Pattern inspection device

Info

Publication number: JP3749090B2
Application number: JP2000205037A
Authority: JP
Inventors: 雄一郎疋田; 浩之大西; 幸司吉田
Original assignee: Screen Holdings Co Ltd; Dainippon Screen Manufacturing Co Ltd
Current assignee: Screen Holdings Co Ltd; Dainippon Screen Manufacturing Co Ltd
Priority date: 2000-07-06
Filing date: 2000-07-06
Publication date: 2006-02-22
Anticipated expiration: 2020-07-06
Also published as: JP2002022421A

Description

【０００１】
【発明の属する技術分野】
本発明は、カラーフィルター、シャドウマスク、プリント配線板、半導体ウエハなどにおけるパターン欠陥検査に適用可能なパターン検査装置に関する。
【０００２】
【従来の技術】
パターンを有する検査対象物（たとえば、カラーフィルター、シャドウマスク、プリント配線板、半導体ウエハなど）において、そのパターンに存在する欠陥を検出するため、その検査対象物の検査対象領域の画像（以下、「被検査画像」とも称する）に対する理想的なパターンとしての参照画像を用いて、被検査画像と参照画像との差分画像を用いることによりその欠陥の有無を検出する技術が存在する。
【０００３】
このような技術においては、差分画像における濃度値（差分濃度値）を所定の閾値を用いて二値化することにより欠陥の有無が判定される。
【０００４】
【発明が解決しようとする課題】
しかしながら、上記の技術においては、被検査画像に含まれるノイズ成分の影響が考慮されていないため、その欠陥判定のための閾値を適切に設定することが困難であるという問題を有している。
【０００５】
図１４は、差分画像に含まれる複数の画素の画素値についての分布についての２つの例（ａ），（ｂ）を表す図である。それぞれの例において、横軸は、差分画像Ｕにおける各画素の画素値（差分濃度値）を表し、縦軸は、各差分濃度値を有する画素の数（分布画素数）を表している。図１４（ａ）は、ノイズ成分が多い差分画像についてのグラフであり、図１４（ｂ）は、ノイズ成分が少ない差分画像についてのグラフである。
【０００６】
たとえば、この図１４に示すように、そのノイズ成分が多い差分画像（ａ）およびノイズ成分が少ない差分画像（ｂ）のいずれの場合にも同一の閾値を定めるときには、一方の場合においては、正確な欠陥判定が可能であるが、他方の場合においては、誤判定を行うことになることがある。すなわち、図１４（ｂ）の差分画像に対する最適閾値Ｖｂを図１４（ａ）の差分画像に用いると、図１４（ａ）に示すようにノイズ成分を欠陥として誤判定することがある。また逆に、図１４（ａ）の差分画像に対する最適閾値Ｖａを図１４（ｂ）の差分画像に用いると、本来の欠陥成分を欠陥として検出できないこともある。
【０００７】
また、それぞれの場合について別個の閾値を定める場合においても、どのような基準によりその適切な閾値を定めるかということが非常に困難であるという問題をも有していた。
【０００８】
そこで、本発明は前記問題点に鑑み、ノイズ成分の影響を考慮した被検査画像における欠陥検出等を行うことが可能なパターン検査装置を提供することを目的とする。
【０００９】
【課題を解決するための手段】
上記目的を達成するため、請求項１に記載の発明は、被検査画像と参照画像とを比較することによりパターンの欠陥検査を行うパターン検査装置であって、被検査対象物に関する被検査画像を取得する被検査画像取得手段と、前記被検査画像の比較対象となる参照画像を取得する参照画像取得手段と、前記参照画像と前記被検査画像との間の差分画像を生成し、当該差分画像の画素値に関する標準偏差を用いて当該差分画像における各画素の画素値を、前記差分画像における画素値の分散状況に応じて各画素値を規格化したものとしてのエラー確率値に変換することにより、前記被検査画像の各画素に関する欠陥度合いを取得する欠陥度合い取得手段と、を備えることを特徴とする。
【００１０】
請求項２に記載の発明は、請求項１に記載のパターン検査装置において、前記参照画像取得手段は、複数の参照画像を取得し、前記欠陥度合い取得手段は、前記複数の参照画像のそれぞれと前記被検査画像との間の複数の差分画像を生成し、当該各差分画像の画素値に関する標準偏差を用いて当該各差分画像における各画素の画素値をエラー確率値に変換し、さらに、前記複数の差分画像にわたる対応画素のエラー確率値の積を求めることにより、前記被検査画像の各画素に関する欠陥度合いを取得することを特徴とする。
【００１１】
請求項３に記載の発明は、請求項２に記載のパターン検査装置において、前記被検査対象物は、繰り返しパターンを有し、前記被検査画像取得手段は、前記被検査対象物についての撮像画像に含まれる前記繰り返しパターンの１つの単位パターンに関する画像を被検査画像として取得し、前記参照画像取得手段は、前記撮像画像に含まれる前記被検査画像以外の複数の単位パターンに関する各画像を前記複数の参照画像として取得することを特徴とする。
【００１２】
請求項４に記載の発明は、請求項１に記載のパターン検査装置において、前記被検査画像取得手段は、前記被検査対象物における同一の被検査領域についての複数の被検査画像を取得し、前記欠陥度合い取得手段は、前記複数の被検査画像のそれぞれと前記参照画像との間の複数の差分画像を生成し、当該各差分画像の画素値に関する標準偏差を用いて当該各差分画像における各画素の画素値をエラー確率値に変換し、さらに、前記複数の差分画像にわたる対応画素のエラー確率値の積を求めることにより、前記被検査画像の各画素に関する欠陥度合いを取得することを特徴とする。
【００１３】
請求項５に記載の発明は、請求項１ないし請求項４のいずれかに記載のパターン検査装置において、前記欠陥度合い取得手段により得られる欠陥度合いと所定の閾値との大小関係に基づいて、前記被検査画像の各画素に対応する位置における被検査対象物の欠陥の有無を判定する判定手段、をさらに備えることを特徴とする。
請求項６に記載の発明は、請求項１に記載のパターン検査装置において、前記被検査対象物には、所定の単位パターンが少なくとも１つ形成されていることを特徴とする。
請求項７に記載の発明は、請求項１に記載のパターン検査装置において、前記参照画像は、理想的なパターンに基づいて生成されることを特徴とする。
【００１４】
【発明の実施の形態】
＜Ａ．第１実施形態＞
図１は、本発明の第１実施形態に係るパターン検査装置１（１Ａ）の構成を表す概略図である。パターン検査装置１Ａは、検査対象となる対象物（被検査対象物）２を載置するＸＹテーブル３と、ＸＹテーブル３をＸ方向およびＹ方向にそれぞれ駆動するモータ４ａ，４ｂなどを含む駆動部４と、被検査対象物２を撮像するＣＣＤラインセンサ５とを備える。ここでは、被検査対象物２として半導体ウエハＷを検査する場合を想定し、図２にその詳細を表す平面図を示す。図２に示すように、半導体ウエハＷは、複数の単位パターンである「ダイ（die）」２ａがＸ方向およびＹ方向にそれぞれ繰り返しマトリクス状に配列されている構造を有する。
【００１５】
また、パターン検査装置１Ａは、被検査対象物２に関する被検査画像Ｓを取得する被検査画像取得部１０と、被検査画像Ｓの比較対象となる参照画像Ｒを取得する参照画像取得部２０と、参照画像Ｒと被検査画像Ｓとの間の差分画像Ｕを生成し当該差分画像Ｕの画素値に関する標準偏差を用いて当該差分画像Ｕにおける各画素の画素値をエラー確率値（後述する）に変換することにより被検査画像Ｓの各画素に関する欠陥度合いを取得する欠陥度合い取得部３０と、欠陥度合い取得部３０により得られる欠陥度合いと所定の閾値との大小関係に基づいて被検査画像Ｓの各画素に対応する位置における被検査対象物２の欠陥の有無を判定する欠陥判定部４０とを備える。
【００１６】
ここで、被検査画像取得部１０は、ＣＣＤラインセンサ５を介して得られる被検査対象物２についての撮像画像に含まれる１つの単位パターンを被検査画像として取得する処理を行う。
【００１７】
具体的には、ＸＹテーブル３のＹ方向（−）の移動に伴い、ＣＣＤラインセンサ５が被検査対象物２に対して相対的にＹ方向（＋）に移動し、被検査対象物２上をＹ方向（＋）に一定速度で走査を行う。このようなＹ方向の走査によって、被検査対象物２を撮像した画像（以下、「撮像画像」とも称する）を得ることができる。そして、被検査画像取得部１０により、この撮像画像に含まれる複数の単位パターンのうちの任意の１つの単位パターンが被検査画像Ｓとして取得される。このようにして得られた被検査画像Ｓについて後述のパターン検査動作が行われる。
【００１８】
その後、ＣＣＤラインセンサ５は、被検査対象物２に対してＸ方向（＋）に所定幅（たとえば幅ｘａ）だけ相対的に移動した後、相対的にＹ方向（−）に移動し走査することによっても、同様の被検査画像Ｓを得ることができる。さらに、Ｘ方向（＋）の移動動作と、Ｙ方向（＋，−）への走査動作とを順次に繰り返すことにより、同様の被検査画像Ｓを得て、パターン検査動作を繰り返して行うことができる。
【００１９】
また、参照画像取得部２０は、被検査画像Ｓの比較対象となる参照画像Ｒを取得する。この参照画像Ｒとしては、ＣＡＤデータなどを用いて理想的な単位パターンのデータを取得しておくことができる。
【００２０】
図３は、欠陥度合い取得部３０および欠陥判定部４０の機能ブロック図である。欠陥度合い取得部３０は、差分処理部３１、絶対値算出処理部３２、σ計算部３３、およびエラー確率値変換部３４を有している。また、欠陥判定部４０は、二値化処理部４１を有している。
【００２１】
図３を参照しながら、これらの欠陥度合い取得部３０および欠陥判定部４０の構成および動作について説明する。なお、これらの欠陥度合い取得部３０および欠陥判定部４０による動作に移行する以前において、上述したようにして、被検査画像取得部１０により被検査画像Ｓが取得され、参照画像取得部２０により参照画像Ｒが取得されているものとする。
【００２２】
まず、差分処理部３１は、参照画像Ｒと被検査画像Ｓとの間の差分画像Ｕを生成する。具体的には、両画像Ｒ，Ｓにおいて対応する位置に存在する各画素の画素値の差分値（差分濃度値）を算出することにより差分画像Ｕを生成する。
【００２３】
また、絶対値算出処理部３２は、差分処理部３１により生成された差分画像Ｕに基づいて絶対値画像Ａを算出する処理を行う。この絶対値算出処理部３２により、エラー確率値変換部３４において用いられる絶対値画像Ａをあらかじめ生成しておくことができる。
【００２４】
さらに、σ計算部３３は、差分処理部３１により生成された差分画像Ｕの画素値に関する標準偏差σを算出する。具体的には、差分画像Ｕに含まれる複数の画素（たとえば全ての画素）について、その画素値に関する統計処理を行い標準偏差σを求める。この標準偏差σはエラー確率値変換部３４において用いられる。
【００２５】
そして、エラー確率値変換部３４は、σ計算部３３において算出された標準偏差σを用いて、差分画像Ｕにおける各画素の画素値をエラー確率値Ｅｒに変換したエラー確率値画像Ｅを得ることにより、被検査画像Ｓの各画素に関する欠陥度合いを取得する。このエラー確率値画像Ｅの各画素の画素値（すなわちエラー確率値Ｅｒ）が、「欠陥度合い」を表すことになる。
【００２６】
この「欠陥度合い」は、各画素が真欠陥である度合いを表す指標値であり、その画素欠陥の致命度を表す「欠陥致命度」と表現することもできる。なお、ここでは、エラー確率値変換部３４によりエラー確率値を算出するにあたって、差分画像Ｕから生成された絶対値画像Ａを用いて間接的に算出する場合を例示するが、これに限定されず、差分画像Ｕにおける各画素の画素値を直接的に用いて算出してもよい。
【００２７】
具体的には、次の数１にしたがって、絶対値画像Ａの各画素の画素値（濃度値）ｉがエラー確率値Ｅｒ（ｉ）に変換される。
【００２８】
【数１】

【００２９】
ここで、ｉは絶対値画像Ａの各画素の画素値（以下、「差分絶対濃度値」とも称する）、σは差分画像の標準偏差、ｃはパラメータ係数、Ｅｒ（ｉ）は差分絶対濃度値ｉのエラー確率値を表す。
【００３０】
また、図４は、差分絶対濃度値ｉからエラー確率値Ｅｒへの変換を行う変換関数を表す図である。図４においては、横軸は差分絶対濃度値ｉを表し、縦軸はエラー確率値Ｅｒを表している。この図４に示されるように、所定の範囲の差分絶対濃度値ｉとエラー確率値Ｅｒとが線形関係を有した状態で対応づけられている。言い換えれば、０（ゼロ）から、パラメータ係数ｃに標準偏差σを乗じた値（ｃ×σ）までの各差分絶対濃度値ｉが、０．０から１．０までの各エラー確率値Ｅｒに対応づけられている。
【００３１】
ここで、パラメータ係数ｃは、レンジ調整を行うパラメータであり、値（ｃ×σ）を有する差分絶対濃度値ｉがエラー確率値Ｅｒの最大値（１．０）に対応づけられるように標準化される。このパラメータ係数ｃを調整することによって差分絶対濃度値ｉとエラー確率値Ｅｒとの対応関係をより適切に規定することができる。たとえば、画素分布が正規分布であると仮定できる場合には、正規分布における値（−ｃ×σ）から値（ｃ×σ）までの確率分布密度関数の積分値がｃ＝３のときに９５．４４％，ｃ＝４のときに９９．９９９９％となることに対応して、ｃ＝２〜４の値を選択することなどが可能である。
【００３２】
なお、この差分絶対濃度値ｉからエラー確率値Ｅｒへの変換動作は、差分絶対濃度値ｉとエラー確率値Ｅｒとの関係をあらかじめ格納したルックアップテーブル（ＬＵＴ）に基づいて行うことも可能である。
【００３３】
算出された各エラー確率値Ｅｒは、被検査画像の各画素に関する欠陥度合いを表す指標値であり、また、差分画像Ｕの画素値の分散状況を反映した標準偏差σを用いて差分画像Ｕの各画素の画素値（ここでは差分絶対濃度値ｉ）を標準化（あるいは規格化）したものであるといえる。このエラー確率値Ｅｒによれば、差分画像Ｕに含まれるノイズ成分によるばらつきを平準化して、統一的な扱いを行うことが可能である。すなわち、エラー確率値Ｅｒを用いて欠陥の判定を行うことにより、ノイズ成分の多少にかかわらず、統一的な扱いが可能になる。
【００３４】
また、二値化処理部４１は、欠陥度合い取得部３０において取得された欠陥度合いを表すエラー確率値Ｅｒを所定の閾値と比較した大小判定の比較結果に応じて、欠陥であるか否かについて二値化する処理部である。これにより、被検査画像Ｓの各画素に対応する位置における被検査対象物２の欠陥の有無を判定することができる。
【００３５】
図５（ａ），（ｂ），（ｃ）は、差分画像Ｕに含まれる複数の画素の画素値についての統計分布を表す図である。このうち、図５（ａ），（ｂ）においては、横軸は、差分画像Ｕにおける各画素の画素値（差分濃度値）を表し、縦軸は、各差分濃度値を有する画素の数（分布画素数）を表している。なお、この図では、差分絶対濃度値ではなく差分濃度値を用いて表しているが、差分絶対濃度値で議論する場合には各グラフの左側半分を右側半分に加算して議論すればよい。また、図５（ａ）は、ノイズ成分が多い差分画像についてのグラフであり、図５（ｂ）は、ノイズ成分が少ない差分画像についてのグラフである。なお、図５（ａ）および図５（ｂ）は、それぞれ、図１４（ａ）および図１４（ｂ）と同様の状態を表す図である。
【００３６】
そして、差分画像Ｕに関する画素の分布曲線が、ノイズ成分が多い場合（図５（ａ））、ノイズ成分が少ない場合（図５（ｂ））のいずれの場合も同一種類の分布曲線（たとえば正規分布）で表される場合において、各差分絶対濃度値ｉをエラー確率値Ｅｒに変換すると、図５（ｃ）に示すように、図５（ａ）および図５（ｂ）のいずれの場合のグラフも（理論的には）同一の分布曲線に標準化される。図５（ｃ）においては、縦軸は、上記（ａ），（ｂ）と同様、各差分濃度値を有する画素の数（分布画素数）を表しているが、横軸は、差分絶対濃度値ｉに代わって差分画像Ｕにおける各画素のエラー確率値Ｅｒを表している。このように、ノイズ成分が多い場合（ａ）、ノイズ成分が少ない場合（ｂ）のいずれの場合も同一のグラフ（ｃ）で扱うこと、すなわち統一的に扱うことができるのである。このように、このエラー確率値Ｅｒへの変換は、差分絶対濃度値ｉを標準化することに相当する。
【００３７】
したがって、標準偏差σを用いて標準化されたエラー確率値Ｅｒに対して、統計学的な考察を加えることにより適切な閾値をより容易に設定することができるので、被検査画像Ｓに含まれるノイズ成分の影響を考慮して、欠陥判定に用いる閾値を適切に設定することが可能になる。すなわち、ノイズ成分が多い場合（ａ）、ノイズ成分が少ない場合（ｂ）のいずれの場合にも、エラー確率値Ｅｒに対する同一の閾値により適切な欠陥判定を行うことができる。
【００３８】
以上のように、この第１実施形態のパターン検査装置１Ａによれば、参照画像Ｒと被検査画像Ｓとの間の差分画像Ｕを生成し、当該差分画像Ｕの画素値に関する標準偏差σを用いて当該差分画像Ｕにおける各画素の画素値をエラー確率値Ｅｒに変換することにより、被検査画像Ｓの各画素に関する欠陥度合いを取得することができる。したがって、欠陥度合いを評価するにあたって、標準偏差を用いて一般化された指標を得ることにより、客観的な評価を容易に行うことができる。また、このエラー確率値Ｅｒで表される欠陥度合いに関し、適切に定められた閾値との大小関係を求めることにより、差分画像Ｕにおける各画素の欠陥の有無をより適切に判定することができる。ここにおいて、上記のエラー確率値Ｅｒが標準化されているので、所定の閾値を適切に決定することが容易になる。
【００３９】
＜Ｂ．第２実施形態＞
上記第１実施形態においては、参照画像取得部２０において、被検査画像Ｓの比較対象となる単一の参照画像Ｒを取得し、この単一の参照画像Ｒと被検査画像Ｓとの比較により、被検査画像Ｓの欠陥判定を行う場合について説明したが、この第２実施形態においては、複数の参照画像Ｒを用いて被検査画像Ｓの欠陥判定を行う場合について説明する。
【００４０】
第２実施形態に係るパターン検査装置１（１Ｂ）は、第１実施形態と類似の構成を有しており、以下では、主に相違点を中心に説明する。
【００４１】
この第２実施形態においては、繰り返しパターンを有する被検査対象物をＣＣＤラインセンサ５により撮像し、その撮像画像に含まれる複数の単位パターンのうちの任意の１つの単位パターンに関する画像を被検査画像取得部１０により被検査画像Ｓとして取得し、被検査画像Ｓ以外の複数の単位パターンのそれぞれに関する画像を参照画像取得部２０により複数の参照画像Ｒとして取得する場合について説明する。具体的には、図２に示すように、繰り返しパターンを有する被検査対象物２（半導体ウエハＷ）のＹ方向に配列する複数の単位パターンのうち、単位パターンＰＢに関する画像を被検査画像Ｓとして取得し、２つの単位パターンＰＡ，ＰＣに関する画像のそれぞれを参照画像Ｒとして取得する場合について説明する。
【００４２】
図６は、第２実施形態に係る欠陥度合い取得部３０（３０Ｂ）および欠陥判定部４０（４０Ｂ）の機能ブロック図である。欠陥度合い取得部３０Ｂは、差分処理部３１ａ，３１ｂ、絶対値算出処理部３２ａ，３２ｂ、σ計算部３３ａ，３３ｂ、エラー確率値変換部３４ａ，３４ｂ、および積算部３５を有している。また、欠陥判定部４０は、二値化処理部４１を有している。
【００４３】
図６を参照しながら、これらの欠陥度合い取得部３０Ｂおよび欠陥判定部４０Ｂの構成および動作について説明する。なお、これらの欠陥度合い取得部３０Ｂおよび欠陥判定部４０Ｂによる動作に移行する以前において、上述のようにして、被検査画像取得部１０により被検査画像Ｓが取得され、参照画像取得部２０により複数（ここでは２つ）の参照画像Ｒが取得されているものとする。
【００４４】
図７（ａ）〜（ｃ）は、それぞれ、単位パターンＰＡ，ＰＢ，ＰＣに関する各画像の画素の画素値を模式的に示した図であり、簡略化のため、その一部の各画素の画素値が１次元的に配列されるものとして示されている。また、図８から図１１は、これらの各単位パターンＰＡ，ＰＢ，ＰＣに関する各画像を用いた後述の各処理における処理結果を模式的に示す図である。なお、ここでは、３番目，１１番目の画素が真欠陥である場合について、これらの真欠陥を欠陥画素として適切に検出する場合を例示する。
【００４５】
まず、差分処理部３１ａは、参照画像Ｒ（単位パターンＰＡに関する画像）と被検査画像Ｓ（単位パターンＰＢに関する画像）との間の差分画像Ｕを生成する。具体的には、両画像Ｒ，Ｓにおいて対応する位置に存在する各画素の画素値の差分濃度値を算出することにより差分画像Ｕ（ＡＢ）を生成する。同様に、差分処理部３１ｂは、参照画像Ｒ（単位パターンＰＣ）と被検査画像Ｓ（単位パターンＰＢ）との間の差分画像Ｕ（ＢＣ）を生成する。
【００４６】
また、絶対値算出処理部３２ａは、差分処理部３１ａにより生成された差分画像Ｕ（ＡＢ）に基づいて絶対値画像Ａ（ＡＢ）を算出する処理を行う。同様に、絶対値算出処理部３２ｂは、差分処理部３１ｂにより生成された差分画像Ｕ（ＢＣ）に基づいて絶対値画像Ａ（ＢＣ）を算出する処理を行う。
【００４７】
図８は、このようにして得られた絶対値画像Ａの各画素の画素値を模式的に示す図である。図８（ａ）は、絶対値画像Ａ（ＡＢ）を表し、図８（ｂ）は、絶対値画像Ａ（ＢＣ）を表している。
【００４８】
さらに、σ計算部３３ａは、差分処理部３１ａにより生成された差分画像Ｕ（ＡＢ）の画素値に関する標準偏差σ（ＡＢ）を算出し、σ計算部３３ｂは、差分処理部３１ｂにより生成された差分画像Ｕ（ＢＣ）の画素値に関する標準偏差σ（ＢＣ）を算出する。
【００４９】
そして、エラー確率値変換部３４ａは、σ計算部３３ａにおいて算出された標準偏差σ（ＡＢ）を用いて、絶対値画像Ａ（ＡＢ）における各画素の画素値をエラー確率値Ｅｒに変換したエラー確率値画像Ｅ（ＡＢ）を得る。同様に、エラー確率値変換部３４ｂは、σ計算部３３ｂにおいて算出された標準偏差σ（ＢＣ）を用いて、絶対値画像Ａ（ＢＣ）における各画素の画素値をエラー確率値Ｅｒに変換したエラー確率値画像Ｅ（ＢＣ）を得る。この変換動作についても、上記第１実施形態と同様であり、数１などの関係で表される変換式に基づいて変換動作を行うことなどができる。
【００５０】
図９は、このようにして得られたエラー確率値画像Ｅの各画素の画素値を模式的に示す図である。図９（ａ）は、エラー確率値画像Ｅ（ＡＢ）を表し、図９（ｂ）は、エラー確率値画像Ｅ（ＢＣ）を表している。
【００５１】
さらに、積算部３５は、上記において得られたエラー確率値画像Ｅ（ＡＢ）とエラー確率値画像Ｅ（ＢＣ）とに基づいて積算画像ＥＰを求める。具体的には、エラー確率値画像Ｅ（ＡＢ）およびエラー確率値画像Ｅ（ＢＣ）の各対応画素同士の画素値を積算することにより、その積算画像ＥＰの各画素の画素値を求める。ただし、ここではより一般化するため、数２に示すように、相乗平均を求めている。
【００５２】
【数２】

【００５３】
なお、記号Ｅ（ＡＢ），Ｅ（ＢＣ），ＥＰは、本来画像全体を表すものとして用いている記号であるが、数２においては、各エラー確率値画像Ｅ（ＡＢ），Ｅ（ＢＣ）および積算画像ＥＰの各画素毎にその画素値を求める場合を総合して表記するものとする。また、ここでは、２つのエラー確率値画像Ｅを用いて積算画像ＥＰを求める場合について説明したが、ｎ個のエラー確率値画像Ｅを用いて積算画像ＥＰを求める場合には、ｎ個のエラー確率値画像Ｅにおける対応画素の積算値のｎ乗根を、積算画像ＥＰの各画素の画素値として求めればよい。
【００５４】
この第２実施形態においては、このようにして得られた積算画像ＥＰの各画素の画素値が、被検査画像Ｓの各画素に関する欠陥度合いを表す。すなわち、「欠陥度合い」は、エラー確率値画像Ｅ（ＡＢ）およびエラー確率値画像Ｅ（ＢＣ）における対応画素の画素値（すなわちエラー確率値Ｅｒ）同士の積（より正確には相乗平均）として、欠陥度合い取得部３０により取得される。
【００５５】
図１０は、このようにして得られた積算画像ＥＰの各画素の画素値を模式的に示す図である。
【００５６】
そして、二値化処理部４１は、積算画像ＥＰにおける各画素の画素値（すなわち、積算されたエラー確率値Ｅｒ）を所定の閾値と比較し、その比較結果に応じて二値化する処理部である。これにより、被検査画像Ｓの各画素に対応する位置における被検査対象物２の欠陥の有無を判定することができる。具体的には、これらの値を適宜の閾値で二値化することにより、図１１に示すように、欠陥画素が１、正常画素が０となるように、検査結果信号として出力される。
【００５７】
図１１は、このようにして得られた欠陥の有無の判定結果を模式的に示す図である。
【００５８】
ここで、一般に、信号に含まれるノイズは、発生位置および発生強度ともにランダムであり、３つの単位パターンＰＡ，ＰＢ，ＰＣに関する各画像信号において、同一位置かつ同一強度のノイズが発生する可能性は低いものと考えられる。したがって、エラー確率値画像Ｅ（ＡＢ）およびエラー確率値画像Ｅ（ＢＣ）のエラー確率値Ｅｒがいずれも大きな値となる場合、すなわち積算画像ＥＰの画素値が大きくなる場合には、その画素が真欠陥である確率が非常に高いと考えられる。たとえば、図７に示す第３番目の画素（真欠陥）については、図９に示すように、エラー確率値画像Ｅ（ＡＢ）およびエラー確率値画像Ｅ（ＢＣ）のエラー確率値Ｅｒがいずれも大きな値となるため、図１０に示すように、両者の積算値である積算画像ＥＰの画素値も大きな値になる。また、真欠陥である第１１番目の画素についても同様である。
【００５９】
一方、３つの単位パターンＰＡ，ＰＢ，ＰＣの信号のうちいずれか１つの信号にノイズが発生した場合には、絶対値画像Ａ（ＡＢ），Ａ（ＢＣ）のうちの一方が小さな値となる。したがって、２つのエラー確率値画像Ｅ（ＡＢ），Ｅ（ＢＣ）のうちの一方も小さな値となるので、これらのエラー確率値画像Ｅ（ＡＢ），Ｅ（ＢＣ）の各画素の積として求められた積算画像ＥＰにおける値も比較的小さな値となる。たとえば、図７に示すように、単位パターンＰＡの６番目の画素位置の信号にノイズが含まれている場合であっても、図９に示すように、エラー確率値画像Ｅ（ＡＢ）のエラー確率値Ｅｒは大きな値となるものの、エラー確率値画像Ｅ（ＢＣ）のエラー確率値Ｅｒは小さな値となるため、図１０に示すように、積算画像ＥＰにおける両者の積算値（図１０の６番目の値）は比較的小さな値となる。
【００６０】
このように、２つのエラー確率値Ｅｒを積算することにより、ノイズの影響が低減され、欠陥画素と正常画素とをより適切に分離することが可能になる。
【００６１】
ここで、２つのエラー確率値Ｅｒの情報を利用する技術として、２つのエラー確率値Ｅｒを所定の閾値でそれぞれ二値化した後にそれらの論理積（ＡＮＤ）をとる技術を用いることも可能ではある。しかしながら、このような技術を用いた場合、論理積をとる以前にエラー確率値Ｅｒの多段階の階調値（多値）の情報が二値化されてその情報量が減少しているため、十分にその情報を活用できているとはいえない。
【００６２】
一方、この実施形態の技術によれば、二値化処理を行う前の段階において多値のエラー確率値Ｅｒの積をとることによって、その積算時においては未だ二値化による情報の欠損を発生させず、より多くの情報を活用するようにすることができる。すなわち、この積算値（積算画像ＥＰ）は、各エラー確率値Ｅｒの多値の情報を十分に活用した上で得られる値である。したがって、多値の情報を十分に活用して得た積算値（積算画像ＥＰ）に基づいて欠陥の有無を判定することができるので、高い精度で欠陥画素を検出することが可能である。
【００６３】
さらに、この実施形態においては、２つの差分画像Ｕの各画素の画素値を標準偏差σを用いて標準化した２つのエラー確率値Ｅｒの積（より厳密には相乗平均）を用いることにより欠陥度合いを求めている。したがって、積算画像ＥＰの各画素値は、第１実施形態と同様、標準偏差を用いて標準化された指標として得られており、欠陥度合いを評価するにあたって、客観的な評価指標として用いることができる。したがって、適切に定められた閾値との大小関係を求めることにより、被検査画像Ｓにおける各画素の欠陥の有無をより適切に判定することができる。
【００６４】
＜Ｃ．その他＞
上記各実施形態においては、１つの被検査画像Ｓに対して１つまたは複数の参照画像Ｒを用いてパターン検査を行う場合について説明したが、これに限定されず、被検査対象物２における同一の被検査領域について複数の被検査画像Ｓを取得し、これらの複数の被検査画像Ｓに対して、１つまたは複数の参照画像Ｒを用いてパターン検査を行うことにより、その被検査領域の欠陥検査を行ってもよい。
【００６５】
たとえば、被検査対象物２における同一の被検査領域について、時間的に異なる時点で２つの被検査画像Ｓを撮像し、これらの２つの被検査画像Ｓのそれぞれと１つの参照画像Ｒとの間の２つの差分画像Ｕを生成し、これら２つの差分画像Ｕに対して、第２実施形態と同様の動作を行えばよい。具体的には、各差分画像Ｕの画素値に関する標準偏差σを用いて当該各差分画像Ｕにおける各画素の画素値をエラー確率値Ｅｒに変換し、さらに、２つの差分画像Ｕにわたる対応画素のエラー確率値Ｅｒの積を求めることにより、被検査画像Ｓの各画素が欠陥である度合いを取得することができる。これによっても、被検査画像Ｓにおける各画素の欠陥度合いを精度良く取得することができる。
【００６６】
なお、ここでは、２つの被検査画像Ｓを取得する場合について説明したが、これに限定されず、３つ以上の被検査画像Ｓを取得して同様の動作を行ってもよい。また、これら複数の被検査画像Ｓのそれぞれと、複数の参照画像Ｒのそれぞれとの差分画像Ｕを複数取得して、同様の動作を行ってもよい。
【００６７】
また、上記各実施形態においては、差分絶対濃度値ｉからエラー確率値Ｅｒを算出するにあたって、図４に示されるような変換関数（数１参照）を用いたが、これに限定されない。
【００６８】
たとえば、図１２に示されるように、０．０および１．０以外の値のエラー確率値Ｅｒを与える差分絶対濃度値ｉのレンジを変更してもよい。図１２の場合は、値（Ｃｍｉｎ×σ）から値（Ｃｍａｘ×σ）までの差分絶対濃度値ｉに対して、０．０から１．０のエラー確率値Ｅｒを線形関係を有するように対応づけ、０．０から値（Ｃｍｉｎ×σ）までの差分絶対濃度値ｉに対してはエラー確率値Ｅｒ＝０，値（Ｃｍａｘ×σ）から最大値（２５５）までの差分絶対濃度値ｉに対してはエラー確率値Ｅｒ＝１．０とするように対応づける場合が示されている。この場合、特に欠陥判別に大きく寄与する範囲（閾値近傍の範囲）において、より大きくエラー確率値Ｅｒが変化するように変換することができる。したがって、閾値近傍において高感度に変化するエラー確率値Ｅｒを得ることができる。
【００６９】
さらに、図４および図１２においては、差分絶対濃度値ｉとエラー確率値Ｅｒとが線形関係を有する場合について説明したが、これに限定されず、差分絶対濃度値ｉとエラー確率値Ｅｒとが非線形の関係を有していてもよい。たとえば、図１３は、差分絶対濃度値ｉとエラー確率値Ｅｒとの関係がシグモイド関数を用いて表現される場合を示している。このような変換関数を用いても上記の変換動作を行うことができる。
【００７０】
また、上記各実施形態では、半導体ウエハ上の単位パターンとして「ダイ」が繰り返し配列されている場合について説明したが、これに限定されず、「ダイ」内部に存在する、さらに小さなパターンを「単位パターン」としてもよい。さらには、「単位パターン」としては、２次元的な領域を採用することに限定されず、１次元的な領域を採用してもよい。すなわち、１ライン上に存在する複数の画素のまとまりを「単位パターン」（したがって、被検査画像Ｓまたは参照画像Ｒ）として採用してもよい。
【００７１】
さらに、上記実施形態においては、標準偏差σを各差分画像Ｕごとに統計処理を行うことにより算出していたが、これに限定されない。たとえば、差分画像Ｕ内の所定のライン毎あるいは特定の指定領域ごとに統計処理を行って標準偏差σを算出してもよい。この場合には、より局所的な標準偏差σを得ることができるので、差分画像Ｕにおける局所的な変動に追従することが可能になるなどさらに柔軟な対応が可能になる。
【００７２】
また、上記各実施形態においては、被検査対象物として半導体ウエハを例示したが、これに限定されず、単位パターンを有するもの、あるいは繰り返しパターンを有するものであればよく、たとえば、カラーフィルター、シャドウマスク、プリント配線板などであってもよい。
【００７３】
さらに、上記実施形態においては、差分画像Ｕの画素値に関する「標準偏差」を用いてその差分画像Ｕにおける各画素の画素値をエラー確率値に変換することにより、被検査画像の各画素に関する欠陥度合いを取得していたが、たとえば、標準偏差の２乗である「分散」を用いることも、「標準偏差」を用いることと等価である。したがって、本明細書においては、「分散を用いること」も「標準偏差を用いる」という概念に含まれるものとする。
【００７４】
【発明の効果】
以上のように、請求項１ないし請求項５に記載の発明によれば、参照画像と被検査画像との間の差分画像を生成し、当該差分画像の画素値に関する標準偏差を用いて当該差分画像における各画素の画素値をエラー確率値に変換することにより、被検査画像の各画素に関する欠陥度合いを取得することができる。したがって、欠陥度合いを評価するにあたって、標準偏差を用いて一般化された指標を得ることにより、客観的な評価を容易に行うことができる。
【００７５】
特に、請求項２に記載の発明によれば、参照画像取得手段は、複数の参照画像を取得し、欠陥度合い取得手段は、複数の参照画像のそれぞれと被検査画像との間の複数の差分画像を生成し、当該各差分画像の画素値に関する標準偏差を用いて当該各差分画像における各画素の画素値をエラー確率値に変換し、さらに、複数の差分画像にわたる対応画素のエラー確率値の積を求めることにより、被検査画像の各画素が欠陥である度合いを取得する。ここで、多段階の値を有するエラー確率値の積を用いることにより欠陥度合いを取得するので、より多くの情報量に基づいてその欠陥度合いを取得することができる。したがって、より正確な欠陥度合いの取得が可能になる。
【００７６】
また、請求項３に記載の発明によれば、被検査画像取得手段は、繰り返しパターンを有する被検査対象物についての撮像画像に含まれる１つの単位パターンに関する画像を被検査画像として取得し、参照画像取得手段は、撮像画像に含まれる被検査画像以外の複数の単位パターンに関する各画像を複数の参照画像として取得する。したがって、参照画像が理論的に理想的な画像でない場合であっても、撮像画像に含まれる被検査画像以外の複数の単位パターンと被検査画像との複数の差分画像について、それらの複数の差分画像にわたる対応画素のエラー確率値の積を求めることにより、前記被検査画像の各画素が欠陥である度合いを取得することができる。
【００７７】
さらに、請求項４に記載の発明によれば、被検査画像取得手段は、同一の被検査領域についての複数の被検査画像を取得し、欠陥度合い取得手段は、複数の被検査画像のそれぞれと前記参照画像との間の複数の差分画像を生成し、当該各差分画像の画素値に関する標準偏差を用いて当該各差分画像における各画素の画素値をエラー確率値に変換し、さらに、前記複数の差分画像にわたる対応画素のエラー確率値の積を求めることにより、前記被検査画像の各画素が欠陥である度合いを取得することができる。したがって、同一の被検査領域に関する複数の被検査画像の各画素が欠陥である度合いを精度良く取得することができる。
【００７８】
また、請求項５に記載の発明によれば、判定手段は、欠陥度合い取得手段により得られる欠陥度合いと所定の閾値との大小関係に基づいて、欠陥の有無を判定するので、被検査対象物の欠陥の有無を精度良く判定することができる。
【図面の簡単な説明】
【図１】本発明の第１実施形態に係るパターン検査装置１Ａの構成を表す概略図である。
【図２】半導体ウエハＷの詳細を表す平面図である。
【図３】欠陥度合い取得部３０および欠陥判定部４０の機能ブロック図である。
【図４】差分絶対濃度値ｉからエラー確率値Ｅｒへの変換を行う変換関数を表す図である。
【図５】差分画像Ｕに含まれる複数の画素についての画素分布を表す図である。
【図６】第２実施形態に係る欠陥度合い取得部３０（３０Ｂ）および欠陥判定部４０（４０Ｂ）の機能ブロック図である。
【図７】単位パターンＰＡ，ＰＢ，ＰＣについての各画素の画素値を模式的に示した図である。
【図８】絶対値画像Ａの各画素の画素値を模式的に示す図である。
【図９】エラー確率値画像Ｅの各画素の画素値を模式的に示す図である。
【図１０】積算画像ＥＰの各画素の画素値を模式的に示す図である。
【図１１】欠陥の有無の判定結果を模式的に示す図である。
【図１２】別の変換関数を表す図である。
【図１３】さらに別の変換関数を表す図である。
【図１４】従来技術を説明するための図である。
【符号の説明】
１，１Ａ，１Ｂパターン検査装置
２被検査対象物
２ａダイ
３ＸＹテーブル
５ＣＣＤラインセンサ
Ａ絶対値画像
ＥＰ，積算画像
ＰＡ，ＰＢ，ＰＣ単位パターン
Ｒ参照画像
Ｓ被検査画像
Ｕ差分画像
Ｗ半導体ウエハ
σ 標準偏差[0001]
BACKGROUND OF THE INVENTION
The present invention relates to a pattern inspection apparatus applicable to pattern defect inspection in color filters, shadow masks, printed wiring boards, semiconductor wafers and the like.
[0002]
[Prior art]
In order to detect defects existing in a pattern in an inspection object having a pattern (for example, a color filter, a shadow mask, a printed wiring board, a semiconductor wafer, etc.), an image of an inspection object area of the inspection object (hereinafter, “ There is a technique for detecting the presence / absence of a defect by using a reference image as an ideal pattern for an image to be inspected ”and using a difference image between the image to be inspected and the reference image.
[0003]
In such a technique, the presence or absence of a defect is determined by binarizing the density value (difference density value) in the difference image using a predetermined threshold.
[0004]
[Problems to be solved by the invention]
However, the above technique has a problem that it is difficult to appropriately set a threshold for determining the defect because the influence of the noise component included in the inspected image is not taken into consideration.
[0005]
FIG. 14 is a diagram illustrating two examples (a) and (b) regarding the distribution of pixel values of a plurality of pixels included in a difference image. In each example, the horizontal axis represents the pixel value (difference density value) of each pixel in the difference image U, and the vertical axis represents the number of pixels having each difference density value (number of distribution pixels). FIG. 14A is a graph for a difference image having a large noise component, and FIG. 14B is a graph for a difference image having a small noise component.
[0006]
For example, as shown in FIG. 14, when the same threshold value is determined in both the difference image (a) having a large noise component and the difference image (b) having a small noise component, It is possible to make a correct defect determination, but in the other case, an erroneous determination may be made. That is, when the optimum threshold value Vb for the difference image of FIG. 14B is used for the difference image of FIG. 14A, a noise component may be erroneously determined as a defect as shown in FIG. Conversely, if the optimum threshold value Va for the difference image in FIG. 14A is used in the difference image in FIG. 14B, the original defect component may not be detected as a defect.
[0007]
In addition, even when a separate threshold value is set for each case, there is a problem that it is very difficult to determine an appropriate threshold value based on what criteria.
[0008]
In view of the above problems, an object of the present invention is to provide a pattern inspection apparatus capable of detecting a defect in an inspection image in consideration of the influence of noise components.
[0009]
[Means for Solving the Problems]
In order to achieve the above object, the invention described in claim 1 is a pattern inspection apparatus for performing a defect inspection of a pattern by comparing an image to be inspected with a reference image, and an image to be inspected relating to an object to be inspected. An inspection image acquisition means for acquiring, a reference image acquisition means for acquiring a reference image to be compared with the inspection image, a difference image between the reference image and the inspection image is generated, and the difference image By converting the pixel value of each pixel in the difference image into an error probability value as a standardized value of each pixel value according to the dispersion state of the pixel value in the difference image using the standard deviation regarding the pixel value of And defect degree acquisition means for acquiring a defect degree relating to each pixel of the image to be inspected.
[0010]
According to a second aspect of the present invention, in the pattern inspection apparatus according to the first aspect, the reference image obtaining unit obtains a plurality of reference images, and the defect degree obtaining unit obtains each of the plurality of reference images. Generating a plurality of difference images with the image to be inspected, converting a pixel value of each pixel in each difference image into an error probability value using a standard deviation regarding a pixel value of each difference image, and The degree of defect regarding each pixel of the image to be inspected is obtained by obtaining a product of error probability values of corresponding pixels over a plurality of difference images.
[0011]
According to a third aspect of the present invention, in the pattern inspection apparatus according to the second aspect, the inspected object has a repetitive pattern, and the inspected image acquisition unit is a captured image of the inspected object. An image related to one unit pattern of the repetitive pattern included in the image, and the reference image acquisition means includes the plurality of images related to a plurality of unit patterns other than the image to be inspected included in the captured image. As a reference image.
[0012]
Invention of Claim 4 WHEREIN: In the pattern inspection apparatus of Claim 1, the said to-be-inspected image acquisition means acquires the several to-be-inspected image about the same to-be-inspected area | region in the said to-be-inspected object, The defect degree acquisition means generates a plurality of difference images between each of the plurality of images to be inspected and the reference image, and uses each standard image regarding the pixel value of each of the difference images, Converting a pixel value of a pixel into an error probability value, and further obtaining a defect degree for each pixel of the image to be inspected by obtaining a product of error probability values of corresponding pixels across the plurality of difference images. To do.
[0013]
  According to a fifth aspect of the present invention, in the pattern inspection apparatus according to any one of the first to fourth aspects, the size of the defect degree obtained by the defect degree obtaining unit and a predetermined threshold value is based on the magnitude relationship. It is further characterized by further comprising determination means for determining the presence or absence of a defect of the inspection object at a position corresponding to each pixel of the inspection image.
  A sixth aspect of the present invention is the pattern inspection apparatus according to the first aspect, wherein at least one predetermined unit pattern is formed on the inspection object.
  According to a seventh aspect of the present invention, in the pattern inspection apparatus according to the first aspect, the reference image is generated based on an ideal pattern.
[0014]
DETAILED DESCRIPTION OF THE INVENTION
<A. First Embodiment>
FIG. 1 is a schematic diagram showing the configuration of a pattern inspection apparatus 1 (1A) according to the first embodiment of the present invention. The pattern inspection apparatus 1A includes an XY table 3 on which an object to be inspected (object to be inspected) 2 is placed, and a drive unit including motors 4a and 4b that drive the XY table 3 in the X direction and the Y direction, respectively. 4 and a CCD line sensor 5 for imaging the object 2 to be inspected. Here, assuming that the semiconductor wafer W is inspected as the inspection object 2, FIG. 2 shows a plan view showing the details thereof. As shown in FIG. 2, the semiconductor wafer W has a structure in which a plurality of unit patterns “die” 2 a are repeatedly arranged in a matrix in the X and Y directions.
[0015]
Further, the pattern inspection apparatus 1A includes an inspection image acquisition unit 10 that acquires an inspection image S related to the inspection object 2, and a reference image acquisition unit 20 that acquires a reference image R to be compared with the inspection image S. Then, a difference image U between the reference image R and the image S to be inspected is generated, and the pixel value of each pixel in the difference image U is calculated as an error probability value (described later) using the standard deviation regarding the pixel value of the difference image U. The defect degree acquisition unit 30 that acquires the defect degree relating to each pixel of the image S to be inspected by conversion into the inspection image S, and the inspection image S based on the magnitude relationship between the defect degree obtained by the defect degree acquisition unit 30 and a predetermined threshold value. A defect determination unit 40 that determines the presence or absence of a defect of the inspection target object 2 at a position corresponding to each pixel.
[0016]
Here, the inspected image acquisition unit 10 performs processing for acquiring one unit pattern included in the captured image of the inspection object 2 obtained via the CCD line sensor 5 as the inspected image.
[0017]
Specifically, with the movement of the XY table 3 in the Y direction (−), the CCD line sensor 5 moves in the Y direction (+) relative to the inspection target object 2, and thus on the inspection target object 2. Is scanned at a constant speed in the Y direction (+). By scanning in such a Y direction, an image obtained by imaging the inspection object 2 (hereinafter also referred to as “captured image”) can be obtained. Then, the inspected image acquisition unit 10 acquires any one unit pattern of the plurality of unit patterns included in the captured image as the inspected image S. A pattern inspection operation described later is performed on the inspected image S thus obtained.
[0018]
Thereafter, the CCD line sensor 5 moves relative to the object 2 to be inspected by a predetermined width (for example, width xa) in the X direction (+), and then relatively moves in the Y direction (−) and scans. As a result, a similar image S to be inspected can be obtained. Furthermore, by repeating the movement operation in the X direction (+) and the scanning operation in the Y direction (+, −) in order, a similar image S to be inspected can be obtained and the pattern inspection operation can be repeated. it can.
[0019]
Further, the reference image acquisition unit 20 acquires a reference image R to be compared with the image S to be inspected. As the reference image R, ideal unit pattern data can be acquired using CAD data or the like.
[0020]
FIG. 3 is a functional block diagram of the defect degree acquisition unit 30 and the defect determination unit 40. The defect degree acquisition unit 30 includes a difference processing unit 31, an absolute value calculation processing unit 32, a σ calculation unit 33, and an error probability value conversion unit 34. The defect determination unit 40 includes a binarization processing unit 41.
[0021]
The configuration and operation of the defect degree acquisition unit 30 and the defect determination unit 40 will be described with reference to FIG. In addition, before moving to the operation by the defect degree acquisition unit 30 and the defect determination unit 40, the inspection image acquisition unit 10 acquires the inspection image S as described above, and the reference image acquisition unit 20 refers to it. Assume that an image R has been acquired.
[0022]
First, the difference processing unit 31 generates a difference image U between the reference image R and the inspection image S. Specifically, the difference image U is generated by calculating the difference value (difference density value) of the pixel values of the pixels existing at corresponding positions in both the images R and S.
[0023]
The absolute value calculation processing unit 32 performs processing for calculating the absolute value image A based on the difference image U generated by the difference processing unit 31. By this absolute value calculation processing unit 32, an absolute value image A used in the error probability value conversion unit 34 can be generated in advance.
[0024]
Furthermore, the σ calculator 33 calculates a standard deviation σ related to the pixel value of the difference image U generated by the difference processor 31. Specifically, for a plurality of pixels (for example, all pixels) included in the difference image U, statistical processing regarding the pixel values is performed to obtain the standard deviation σ. This standard deviation σ is used in the error probability value converter 34.
[0025]
Then, the error probability value conversion unit 34 obtains an error probability value image E obtained by converting the pixel value of each pixel in the difference image U into the error probability value Er using the standard deviation σ calculated by the σ calculation unit 33. Thus, the degree of defect regarding each pixel of the inspection image S is acquired. The pixel value of each pixel of the error probability value image E (that is, the error probability value Er) represents the “defect degree”.
[0026]
The “defect degree” is an index value that represents the degree to which each pixel is a true defect, and can also be expressed as a “defect fatality degree” that represents the fatality degree of the pixel defect. Here, the case where the error probability value is calculated by the error probability value conversion unit 34 is illustrated as an example in which the error probability value is indirectly calculated using the absolute value image A generated from the difference image U, but is not limited thereto. The pixel value of each pixel in the difference image U may be directly used for calculation.
[0027]
Specifically, the pixel value (density value) i of each pixel of the absolute value image A is converted into the error probability value Er (i) according to the following equation 1.
[0028]
[Expression 1]

[0029]
Here, i is a pixel value of each pixel of the absolute value image A (hereinafter also referred to as “difference absolute density value”), σ is a standard deviation of the difference image, c is a parameter coefficient, and Er (i) is a difference absolute density value. represents the error probability value of i.
[0030]
FIG. 4 is a diagram illustrating a conversion function for converting the difference absolute density value i to the error probability value Er. In FIG. 4, the horizontal axis represents the difference absolute density value i, and the vertical axis represents the error probability value Er. As shown in FIG. 4, the difference absolute density value i and the error probability value Er in a predetermined range are associated with each other in a linear relationship. In other words, each difference absolute density value i from 0 (zero) to a value obtained by multiplying the parameter coefficient c by the standard deviation σ (c × σ) becomes each error probability value Er from 0.0 to 1.0. It is associated.
[0031]
Here, the parameter coefficient c is a parameter for performing range adjustment, and is standardized so that the difference absolute density value i having a value (c × σ) is associated with the maximum value (1.0) of the error probability value Er. The By adjusting the parameter coefficient c, the correspondence relationship between the absolute difference density value i and the error probability value Er can be more appropriately defined. For example, when it can be assumed that the pixel distribution is a normal distribution, it is 95 when the integral value of the probability distribution density function from the value (−c × σ) to the value (c × σ) in the normal distribution is c = 3. Corresponding to 99.9999% when .44%, c = 4, it is possible to select a value of c = 2-4.
[0032]
The conversion operation from the difference absolute density value i to the error probability value Er can also be performed based on a lookup table (LUT) in which the relationship between the difference absolute density value i and the error probability value Er is stored in advance. is there.
[0033]
Each calculated error probability value Er is an index value indicating the degree of defect for each pixel of the image to be inspected, and the standard deviation σ reflecting the dispersion state of the pixel values of the difference image U is used to calculate the difference image U. It can be said that the pixel value (here, the differential absolute density value i) of each pixel is standardized (or standardized). According to this error probability value Er, it is possible to level the variation due to the noise component included in the difference image U and perform unified handling. That is, by using the error probability value Er to determine a defect, unified handling is possible regardless of the noise component.
[0034]
Further, the binarization processing unit 41 determines whether or not it is a defect according to the comparison result of the magnitude determination in which the error probability value Er representing the defect degree acquired in the defect degree acquisition unit 30 is compared with a predetermined threshold. This is a processing unit for binarization. Thereby, the presence or absence of the defect of the to-be-inspected object 2 in the position corresponding to each pixel of the to-be-inspected image S can be determined.
[0035]
FIGS. 5A, 5 </ b> B, and 5 </ b> C are diagrams illustrating a statistical distribution of pixel values of a plurality of pixels included in the difference image U. FIG. 5A and 5B, the horizontal axis represents the pixel value (difference density value) of each pixel in the difference image U, and the vertical axis represents the number of pixels having each difference density value ( Distribution pixel number). In this figure, the difference density value is used instead of the difference absolute density value, but when discussing with the difference absolute density value, the left half of each graph may be added to the right half. FIG. 5A is a graph for a difference image having a large noise component, and FIG. 5B is a graph for a difference image having a small noise component. FIG. 5A and FIG. 5B are diagrams showing the same states as FIG. 14A and FIG. 14B, respectively.
[0036]
The distribution curve of the pixel relating to the difference image U has the same type of distribution curve (for example, normal) in both cases where the noise component is large (FIG. 5A) and the noise component is small (FIG. 5B). When the difference absolute density value i is converted into the error probability value Er in the case of (distribution), as shown in FIG. 5 (c), in either case of FIG. 5 (a) or FIG. 5 (b). The graph is also (in theory) normalized to the same distribution curve. In FIG. 5C, the vertical axis represents the number of pixels having each difference density value (the number of distribution pixels) as in the cases (a) and (b), while the horizontal axis represents the difference absolute density. Instead of the value i, the error probability value Er of each pixel in the difference image U is represented. As described above, both cases where the noise component is large (a) and where the noise component is small (b) can be handled in the same graph (c), that is, can be handled in a unified manner. Thus, the conversion to the error probability value Er corresponds to standardizing the difference absolute density value i.
[0037]
Therefore, an appropriate threshold value can be set more easily by adding statistical consideration to the error probability value Er standardized using the standard deviation σ, so that the noise included in the image S to be inspected It is possible to appropriately set a threshold value used for defect determination in consideration of the influence of components. That is, in both cases where the noise component is large (a) and the noise component is small (b), it is possible to perform appropriate defect determination using the same threshold for the error probability value Er.
[0038]
As described above, according to the pattern inspection apparatus 1A of the first embodiment, the difference image U between the reference image R and the inspection image S is generated, and the standard deviation σ relating to the pixel value of the difference image U is determined. By using the pixel value of each pixel in the difference image U to convert it into an error probability value Er, the degree of defect relating to each pixel of the image S to be inspected can be acquired. Therefore, in evaluating the defect degree, an objective evaluation can be easily performed by obtaining a generalized index using the standard deviation. In addition, regarding the degree of defect represented by the error probability value Er, the presence or absence of a defect in each pixel in the difference image U can be more appropriately determined by obtaining a magnitude relationship with an appropriately determined threshold value. Here, since the error probability value Er is standardized, it is easy to appropriately determine the predetermined threshold value.
[0039]
<B. Second Embodiment>
In the first embodiment, the reference image acquisition unit 20 acquires a single reference image R to be compared with the inspection image S and compares the single reference image R with the inspection image S. Although the case where the defect determination of the inspection image S is performed has been described, in the second embodiment, the case where the defect determination of the inspection image S is performed using a plurality of reference images R will be described.
[0040]
The pattern inspection apparatus 1 (1B) according to the second embodiment has a configuration similar to that of the first embodiment, and the following description will mainly focus on differences.
[0041]
In the second embodiment, an object to be inspected having a repetitive pattern is imaged by the CCD line sensor 5, and an image relating to any one unit pattern among a plurality of unit patterns included in the captured image is inspected. A case will be described in which the acquisition unit 10 acquires an image to be inspected S and the reference image acquisition unit 20 acquires images related to each of a plurality of unit patterns other than the image to be inspected S as a plurality of reference images R. Specifically, as shown in FIG. 2, an image related to the unit pattern PB among the plurality of unit patterns arranged in the Y direction of the inspection target object 2 (semiconductor wafer W) having a repetitive pattern is used as the inspection image S. A case of acquiring and acquiring each of the images related to the two unit patterns PA and PC as the reference image R will be described.
[0042]
FIG. 6 is a functional block diagram of the defect degree acquisition unit 30 (30B) and the defect determination unit 40 (40B) according to the second embodiment. The defect degree acquisition unit 30B includes

difference processing units

31a and 31b, absolute value calculation processing units 32a and 32b,

σ calculation units

33a and 33b, error probability

value conversion units

34a and 34b, and an integration unit 35. The defect determination unit 40 includes a binarization processing unit 41.
[0043]
The configuration and operation of these defect degree acquisition unit 30B and defect determination unit 40B will be described with reference to FIG. In addition, before shifting to operation | movement by these defect degree acquisition parts 30B and the defect determination part 40B, the to-be-inspected image S is acquired by the to-be-inspected image acquisition part 10 as mentioned above, and several by the reference image acquisition part 20 It is assumed that (two here) reference images R have been acquired.
[0044]
FIGS. 7A to 7C are diagrams schematically showing pixel values of pixels of each image related to the unit patterns PA, PB, and PC, and for simplification, a part of each pixel is shown. The pixel values are shown as one-dimensionally arranged. FIG. 8 to FIG. 11 are diagrams schematically showing the processing results in each processing described later using the images related to these unit patterns PA, PB, and PC. Here, the case where the third and eleventh pixels are true defects is illustrated as an example of appropriately detecting these true defects as defective pixels.
[0045]
First, the difference processing unit 31a generates a difference image U between the reference image R (image related to the unit pattern PA) and the image to be inspected S (image related to the unit pattern PB). Specifically, the difference image U (AB) is generated by calculating the difference density value of the pixel values of the pixels existing at corresponding positions in both the images R and S. Similarly, the difference processing unit 31b generates a difference image U (BC) between the reference image R (unit pattern PC) and the image to be inspected S (unit pattern PB).
[0046]
The absolute value calculation processing unit 32a performs a process of calculating the absolute value image A (AB) based on the difference image U (AB) generated by the difference processing unit 31a. Similarly, the absolute value calculation processing unit 32b performs a process of calculating an absolute value image A (BC) based on the difference image U (BC) generated by the difference processing unit 31b.
[0047]
FIG. 8 is a diagram schematically showing the pixel value of each pixel of the absolute value image A thus obtained. FIG. 8A shows the absolute value image A (AB), and FIG. 8B shows the absolute value image A (BC).
[0048]
Furthermore, the σ calculation unit 33a calculates a standard deviation σ (AB) related to the pixel value of the difference image U (AB) generated by the difference processing unit 31a, and the σ calculation unit 33b is generated by the difference processing unit 31b. A standard deviation σ (BC) related to the pixel value of the difference image U (BC) is calculated.
[0049]
Then, the error probability value conversion unit 34a uses the standard deviation σ (AB) calculated by the σ calculation unit 33a to convert the pixel value of each pixel in the absolute value image A (AB) into an error probability value Er. A probability value image E (AB) is obtained. Similarly, the error probability value conversion unit 34b converts the pixel value of each pixel in the absolute value image A (BC) into the error probability value Er using the standard deviation σ (BC) calculated by the σ calculation unit 33b. An error probability value image E (BC) is obtained. This conversion operation is also the same as that in the first embodiment, and the conversion operation can be performed based on a conversion expression expressed by a relationship such as Equation 1.
[0050]
FIG. 9 is a diagram schematically showing the pixel value of each pixel of the error probability value image E thus obtained. FIG. 9A shows an error probability value image E (AB), and FIG. 9B shows an error probability value image E (BC).
[0051]
Furthermore, the integrating unit 35 obtains an integrated image EP based on the error probability value image E (AB) and the error probability value image E (BC) obtained above. Specifically, the pixel value of each pixel of the integrated image EP is obtained by integrating the pixel values of the corresponding pixels of the error probability value image E (AB) and the error probability value image E (BC). However, in order to be more generalized here, a geometric average is obtained as shown in Equation 2.
[0052]
[Expression 2]

[0053]
Symbols E (AB), E (BC), and EP are symbols originally used to represent the entire image, but in Equation 2, each error probability value image E (AB), E (BC) In addition, the case where the pixel value is obtained for each pixel of the integrated image EP is collectively described. Here, the case where the integrated image EP is obtained using the two error probability value images E has been described. However, when the integrated image EP is obtained using the n error probability value images E, n errors are obtained. The n-th root of the integrated value of the corresponding pixel in the probability value image E may be obtained as the pixel value of each pixel of the integrated image EP.
[0054]
In the second embodiment, the pixel value of each pixel of the accumulated image EP obtained in this way represents the degree of defect relating to each pixel of the inspection image S. That is, the “defect degree” is a product (more precisely, geometric mean) of pixel values (that is, error probability values Er) of corresponding pixels in the error probability value image E (AB) and the error probability value image E (BC). , Acquired by the defect degree acquisition unit 30.
[0055]
FIG. 10 is a diagram schematically showing the pixel value of each pixel of the integrated image EP obtained in this way.
[0056]
Then, the binarization processing unit 41 compares the pixel value of each pixel in the accumulated image EP (that is, the accumulated error probability value Er) with a predetermined threshold value, and binarizes according to the comparison result. It is. Thereby, the presence or absence of the defect of the to-be-inspected object 2 in the position corresponding to each pixel of the to-be-inspected image S can be determined. Specifically, by binarizing these values with an appropriate threshold value, as shown in FIG. 11, the defect pixel is output as 1 and the normal pixel is output as an inspection result signal.
[0057]
FIG. 11 is a diagram schematically showing the determination result of the presence or absence of defects thus obtained.
[0058]
Here, in general, the noise included in the signal is random in both the generation position and the generation intensity, and there is a possibility that noise of the same position and the same intensity is generated in each image signal related to the three unit patterns PA, PB, PC. It is considered low. Therefore, when the error probability value Er of the error probability value image E (AB) and the error probability value image E (BC) is a large value, that is, when the pixel value of the integrated image EP is large, the pixel is The probability of a true defect is considered very high. For example, for the third pixel (true defect) shown in FIG. 7, as shown in FIG. 9, the error probability values Er of the error probability value image E (AB) and the error probability value image E (BC) are both Since it becomes a large value, as shown in FIG. 10, the pixel value of the integrated image EP that is the integrated value of both is also a large value. The same applies to the eleventh pixel that is a true defect.
[0059]
On the other hand, when noise occurs in any one of the three unit patterns PA, PB, and PC, one of the absolute value images A (AB) and A (BC) has a small value. . Therefore, since one of the two error probability value images E (AB) and E (BC) has a small value, it is obtained as the product of each pixel of these error probability value images E (AB) and E (BC). The value in the obtained accumulated image EP is also a relatively small value. For example, as shown in FIG. 7, even if the signal at the sixth pixel position of the unit pattern PA contains noise, the error of the error probability value image E (AB) as shown in FIG. Although the probability value Er is a large value, the error probability value Er of the error probability value image E (BC) is a small value, and therefore, as shown in FIG. The second value is a relatively small value.
[0060]
In this way, by integrating the two error probability values Er, the influence of noise is reduced, and it becomes possible to more appropriately separate defective pixels and normal pixels.
[0061]
Here, as a technique using the information of the two error probability values Er, it is also possible to use a technique of binarizing the two error probability values Er with a predetermined threshold and then taking a logical product (AND) thereof. is there. However, when such a technique is used, the information amount of the multi-level gradation value (multi-value) of the error probability value Er is binarized before taking the logical product, and the information amount is reduced. The information is not fully utilized.
[0062]
On the other hand, according to the technique of this embodiment, by taking the product of the multi-value error probability values Er at the stage before the binarization process, information loss due to binarization still occurs at the time of the integration. Without using it, you can make more information available. That is, the integrated value (integrated image EP) is a value obtained after fully utilizing multi-value information of each error probability value Er. Therefore, since the presence or absence of a defect can be determined based on an integrated value (integrated image EP) obtained by fully utilizing multi-value information, it is possible to detect a defective pixel with high accuracy.
[0063]
Further, in this embodiment, the degree of defect is obtained by using a product (more strictly speaking, geometric mean) of two error probability values Er obtained by standardizing the pixel values of the pixels of the two difference images U using the standard deviation σ. Seeking. Accordingly, each pixel value of the integrated image EP is obtained as an index standardized using the standard deviation as in the first embodiment, and can be used as an objective evaluation index when evaluating the degree of defect. . Therefore, the presence or absence of a defect in each pixel in the inspected image S can be more appropriately determined by obtaining a magnitude relationship with an appropriately determined threshold value.
[0064]
<C. Other>
In each of the above embodiments, the case where pattern inspection is performed on one inspection image S using one or a plurality of reference images R has been described. However, the present invention is not limited to this, and the same in the inspection object 2 A plurality of images S to be inspected with respect to a region to be inspected, and pattern inspection is performed on the plurality of images S to be inspected using one or a plurality of reference images R. A defect inspection may be performed.
[0065]
For example, with respect to the same inspection area in the inspection object 2, two inspection images S are taken at different time points, and between each of these two inspection images S and one reference image R These two difference images U are generated, and the same operation as that of the second embodiment may be performed on these two difference images U. Specifically, the pixel value of each pixel in each difference image U is converted into an error probability value Er using the standard deviation σ relating to the pixel value of each difference image U, and the corresponding pixels across the two difference images U are converted. By obtaining the product of the error probability values Er, the degree to which each pixel of the inspection image S is defective can be acquired. This also makes it possible to acquire the degree of defect of each pixel in the inspected image S with high accuracy.
[0066]
Here, the case where two inspection images S are acquired has been described, but the present invention is not limited to this, and the same operation may be performed by acquiring three or more inspection images S. Further, a plurality of difference images U between each of the plurality of images to be inspected S and each of the plurality of reference images R may be acquired, and the same operation may be performed.
[0067]
In each of the above embodiments, the conversion function (see Equation 1) shown in FIG. 4 is used to calculate the error probability value Er from the difference absolute density value i. However, the present invention is not limited to this.
[0068]
For example, as shown in FIG. 12, the range of the difference absolute density value i that gives an error probability value Er other than 0.0 and 1.0 may be changed. In the case of FIG. 12, the error probability value Er of 0.0 to 1.0 is handled so as to have a linear relationship with respect to the difference absolute density value i from the value (Cmin × σ) to the value (Cmax × σ). In addition, for the difference absolute density value i from 0.0 to the value (Cmin × σ), the error probability value Er = 0, and the difference absolute density value i from the value (Cmax × σ) to the maximum value (255). On the other hand, a case is shown in which the error probability value Er is set to be 1.0. In this case, the error probability value Er can be changed so as to change more greatly, particularly in a range that greatly contributes to defect determination (range in the vicinity of the threshold value). Therefore, an error probability value Er that changes with high sensitivity in the vicinity of the threshold value can be obtained.
[0069]
Further, in FIGS. 4 and 12, the case where the difference absolute density value i and the error probability value Er have a linear relationship has been described. However, the present invention is not limited to this, and the difference absolute density value i and the error probability value Er are It may have a non-linear relationship. For example, FIG. 13 shows a case where the relationship between the difference absolute density value i and the error probability value Er is expressed using a sigmoid function. The above conversion operation can also be performed using such a conversion function.
[0070]
In each of the above embodiments, the case where “dies” are repeatedly arranged as a unit pattern on a semiconductor wafer has been described. However, the present invention is not limited to this, and a smaller pattern existing inside the “die” can be expressed as “unit”. It may be a “pattern”. Furthermore, the “unit pattern” is not limited to adopting a two-dimensional area, and a one-dimensional area may be adopted. That is, a group of a plurality of pixels existing on one line may be adopted as the “unit pattern” (and therefore the inspected image S or the reference image R).
[0071]
Furthermore, in the said embodiment, although standard deviation (sigma) was calculated by performing a statistical process for every difference image U, it is not limited to this. For example, the standard deviation σ may be calculated by performing statistical processing for each predetermined line or specific specified area in the difference image U. In this case, since a more local standard deviation σ can be obtained, a more flexible response such as being able to follow a local variation in the difference image U becomes possible.
[0072]
Further, in each of the above embodiments, the semiconductor wafer is exemplified as the object to be inspected. However, the present invention is not limited to this, and any member having a unit pattern or a repeating pattern may be used. A mask, a printed wiring board, etc. may be sufficient.
[0073]
Furthermore, in the above-described embodiment, by using the “standard deviation” relating to the pixel value of the difference image U, the pixel value of each pixel in the difference image U is converted into an error probability value, whereby a defect relating to each pixel of the image to be inspected. Although the degree has been acquired, for example, using “dispersion” that is the square of the standard deviation is equivalent to using “standard deviation”. Therefore, in this specification, “using variance” is also included in the concept of “using standard deviation”.
[0074]
【The invention's effect】
As described above, according to the first to fifth aspects of the invention, a difference image between the reference image and the image to be inspected is generated, and the difference is obtained using the standard deviation regarding the pixel value of the difference image. By converting the pixel value of each pixel in the image into an error probability value, it is possible to acquire the degree of defect related to each pixel of the inspected image. Therefore, in evaluating the defect degree, an objective evaluation can be easily performed by obtaining a generalized index using the standard deviation.
[0075]
In particular, according to the second aspect of the invention, the reference image acquisition unit acquires a plurality of reference images, and the defect degree acquisition unit acquires a plurality of differences between each of the plurality of reference images and the image to be inspected. An image is generated, the pixel value of each pixel in each difference image is converted into an error probability value using the standard deviation regarding the pixel value of each difference image, and the error probability value of the corresponding pixel over a plurality of difference images is further converted. By obtaining the product, the degree to which each pixel of the inspected image is defective is acquired. Here, since the defect degree is acquired by using a product of error probability values having multi-stage values, the defect degree can be acquired based on a larger amount of information. Therefore, a more accurate defect degree can be acquired.
[0076]
According to the invention described in claim 3, the inspected image acquisition means acquires an image relating to one unit pattern included in the captured image of the inspection target object having a repetitive pattern as the inspected image, and refers to it. The image acquisition means acquires each image related to a plurality of unit patterns other than the inspection image included in the captured image as a plurality of reference images. Therefore, even if the reference image is not a theoretically ideal image, a plurality of differences between a plurality of unit patterns other than the inspection image included in the captured image and a plurality of difference images between the inspection images By obtaining the product of the error probability values of the corresponding pixels over the image, it is possible to obtain the degree to which each pixel of the inspected image is defective.
[0077]
Further, according to the invention described in claim 4, the inspected image acquiring means acquires a plurality of inspected images for the same inspected area, and the defect degree acquiring means is provided for each of the plurality of inspected images. Generating a plurality of difference images between the reference images, converting a pixel value of each pixel in each difference image into an error probability value using a standard deviation relating to a pixel value of each difference image, and further By calculating the product of the error probability values of the corresponding pixels over the difference images, it is possible to acquire the degree to which each pixel of the inspected image is defective. Therefore, it is possible to accurately acquire the degree to which each pixel of a plurality of inspected images relating to the same inspected area is defective.
[0078]
According to the fifth aspect of the present invention, the determination means determines the presence or absence of a defect based on the magnitude relationship between the defect degree obtained by the defect degree acquisition means and a predetermined threshold value. The presence or absence of defects can be determined with high accuracy.
[Brief description of the drawings]
FIG. 1 is a schematic diagram showing the configuration of a pattern inspection apparatus 1A according to a first embodiment of the present invention.
FIG. 2 is a plan view showing details of a semiconductor wafer W. FIG.
3 is a functional block diagram of a defect degree acquisition unit 30 and a defect determination unit 40. FIG.
FIG. 4 is a diagram illustrating a conversion function for converting a difference absolute density value i to an error probability value Er.
5 is a diagram illustrating a pixel distribution for a plurality of pixels included in a difference image U. FIG.
FIG. 6 is a functional block diagram of a defect degree acquisition unit 30 (30B) and a defect determination unit 40 (40B) according to the second embodiment.
FIG. 7 is a diagram schematically showing pixel values of each pixel for unit patterns PA, PB, and PC.
FIG. 8 is a diagram schematically illustrating pixel values of pixels of an absolute value image A.
FIG. 9 is a diagram schematically illustrating pixel values of pixels of an error probability value image E.
FIG. 10 is a diagram schematically illustrating pixel values of pixels of an integrated image EP.
FIG. 11 is a diagram schematically showing a determination result of the presence / absence of a defect.
FIG. 12 is a diagram illustrating another conversion function.
FIG. 13 is a diagram illustrating still another conversion function.
FIG. 14 is a diagram for explaining a conventional technique.
[Explanation of symbols]
1,1A, 1B Pattern inspection device
2 Object to be inspected
2a die
3 XY table
5 CCD line sensor
A Absolute value image
EP, integrated image
PA, PB, PC Unit pattern
R reference image
S inspection image
U Difference image
W Semiconductor wafer
σ standard deviation

Claims

A pattern inspection apparatus that performs a defect inspection of a pattern by comparing an image to be inspected with a reference image,
Inspected image acquisition means for acquiring an inspected image relating to the inspected object;
Reference image acquisition means for acquiring a reference image to be compared with the inspection image;
A difference image between the reference image and the image to be inspected is generated, a pixel value of each pixel in the difference image is calculated using a standard deviation regarding a pixel value of the difference image, and a pixel value distribution state in the difference image A defect degree acquisition means for acquiring a defect degree relating to each pixel of the inspected image by converting each pixel value into an error probability value as a standardized value according to
A pattern inspection apparatus comprising:

The pattern inspection apparatus according to claim 1,
The reference image acquisition means acquires a plurality of reference images,
The defect degree acquisition means generates a plurality of difference images between each of the plurality of reference images and the image to be inspected, and uses each of the difference images in the difference images using a standard deviation regarding a pixel value of each of the difference images. Converting a pixel value of a pixel into an error probability value, and further obtaining a defect degree for each pixel of the image to be inspected by obtaining a product of error probability values of corresponding pixels across the plurality of difference images. Pattern inspection device.

The pattern inspection apparatus according to claim 2,
The inspected object has a repetitive pattern,
The inspected image acquisition means acquires, as an inspected image, an image related to one unit pattern of the repetitive pattern included in a captured image of the inspected object,
The pattern inspection apparatus, wherein the reference image acquisition unit acquires each image related to a plurality of unit patterns other than the inspection image included in the captured image as the plurality of reference images.

The pattern inspection apparatus according to claim 1,
The inspected image acquisition means acquires a plurality of inspected images for the same inspected area in the inspected object,
The defect degree acquisition means generates a plurality of difference images between each of the plurality of images to be inspected and the reference image, and uses each standard image regarding the pixel value of each of the difference images, Converting a pixel value of a pixel into an error probability value, and further obtaining a defect degree for each pixel of the image to be inspected by obtaining a product of error probability values of corresponding pixels across the plurality of difference images. Pattern inspection device.

The pattern inspection apparatus according to any one of claims 1 to 4,
A determination unit that determines the presence or absence of a defect in the inspection target object at a position corresponding to each pixel of the inspection image, based on a magnitude relationship between the defect level obtained by the defect level acquisition unit and a predetermined threshold;
The pattern inspection apparatus further comprising:

The pattern inspection apparatus according to claim 1,
A pattern inspection apparatus, wherein at least one predetermined unit pattern is formed on the inspection object.

The pattern inspection apparatus according to claim 1,
The pattern inspection apparatus, wherein the reference image is generated based on an ideal pattern.