[go: up one dir, main page]

WO2017168630A1 - 欠陥検査装置、欠陥検査方法 - Google Patents

欠陥検査装置、欠陥検査方法 Download PDF

Info

Publication number
WO2017168630A1
WO2017168630A1 PCT/JP2016/060375 JP2016060375W WO2017168630A1 WO 2017168630 A1 WO2017168630 A1 WO 2017168630A1 JP 2016060375 W JP2016060375 W JP 2016060375W WO 2017168630 A1 WO2017168630 A1 WO 2017168630A1
Authority
WO
WIPO (PCT)
Prior art keywords
defect
value
determination unit
inspection apparatus
unit
Prior art date
Application number
PCT/JP2016/060375
Other languages
English (en)
French (fr)
Inventor
敏文 本田
貴裕 浦野
司 小林
央 波多野
洋憲 櫻井
Original Assignee
株式会社日立ハイテクノロジーズ
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 株式会社日立ハイテクノロジーズ filed Critical 株式会社日立ハイテクノロジーズ
Priority to KR1020187022692A priority Critical patent/KR102084535B1/ko
Priority to US16/085,890 priority patent/US10466181B2/en
Priority to PCT/JP2016/060375 priority patent/WO2017168630A1/ja
Publication of WO2017168630A1 publication Critical patent/WO2017168630A1/ja
Priority to US16/661,305 priority patent/US10816484B2/en

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8806—Specially adapted optical and illumination features
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9501—Semiconductor wafers
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/06—Illumination; Optics
    • G01N2201/061—Sources
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Definitions

  • the present invention relates to a technique for inspecting a defect of an inspection object.
  • Patent Document 1 states: “Detect and analyze the characteristics of the test piece to identify defects having level information.
  • the inspection system analyzes level information using a set of initial thresholds of system parameters and catches an initial part of an abnormality as a defect.
  • An overview of the captured defects is displayed, and an operating curve of the potentially captured defects for the threshold parameter is also displayed.
  • the parameter is selectively changed to form a correction threshold, and the abnormality threshold information is analyzed using the correction threshold.
  • the updated part of the abnormality is caught as a defect, and an outline of the caught abnormality is displayed together with the recalculated operation curve.
  • the step of selectively changing the threshold and recapturing the defects is repeated as desired to store a modified set of threshold parameters for use in the inspection system recipe. ”(See summary).
  • threshold parameters are individually optimized by identifying defects by individually changing a plurality of threshold parameters and displaying an operation curve.
  • the present invention has been made in view of the above problems, and an object of the present invention is to provide a defect inspection technique capable of setting parameters used for detecting defects with a small burden on the user.
  • the defect inspection apparatus receives a plurality of reference values input by a user and calculates defect extraction conditions so that an evaluation value calculated using the reference value / actual report number / false report number is optimal. To do.
  • the user can obtain effective defect extraction conditions only by inputting a reference value. Thereby, the burden which sets a defect extraction parameter for a user can be suppressed.
  • FIG. 1 is a configuration diagram of a defect inspection apparatus 100 according to Embodiment 1.
  • FIG. 3 is a top view illustrating an example of a sample 110.
  • FIG. It is a block diagram of the internal calculation block with which the image process part 210 is provided.
  • 3 is a block diagram illustrating an internal configuration of a defect determination unit 220.
  • FIG. 3 is a block diagram showing an internal configuration of a space classifier 222.
  • FIG. It is an example of the defect candidate screen 261 which the display part 260 displays.
  • It is an example of the setting screen 262 used in order that a user may adjust a defect detection parameter in Embodiment 1.
  • FIG. 3 is a top view illustrating an example of a sample 110.
  • FIG. It is a block diagram of the internal calculation block with which the image process part 210 is provided.
  • 3 is a block diagram illustrating an internal configuration of
  • FIG. 10 is a PAD showing a procedure for adjusting a defect extraction parameter by the arithmetic device 200 in the second embodiment.
  • FIG. 11 is a block diagram illustrating details of internal calculation blocks 222_9 to 222_13. It is a conceptual diagram which shows a mode that the space classifier 222 in Embodiment 3 isolate
  • the setting screen 264 used for a user to adjust a defect detection parameter in Embodiment 4.
  • FIG. 1 is a configuration diagram of a defect inspection apparatus 100 according to Embodiment 1 of the present invention.
  • the defect inspection apparatus 100 is an apparatus that captures an appearance image of a sample 110 and inspects a defect of the sample 110 using the appearance image.
  • the defect inspection apparatus 100 and the arithmetic apparatus 200 are individually described. However, they can be configured integrally or can be interconnected via an appropriate communication line.
  • the sample 110 is an inspection object such as a semiconductor wafer.
  • the stage 121 can be rotated by mounting the sample 110 and moving it in the XYZ directions.
  • the mechanical controller 122 is a controller that drives the stage 121.
  • Either the illumination optical system 131 or 132 irradiates the sample 110 with illumination light from an oblique direction.
  • the upper detection system 141 and the oblique detection system 142 image the scattered light from the sample 110.
  • the image sensors 161 and 162 receive the optical images formed by the respective detection systems and convert them into image signals.
  • An analyzer 152 is disposed in front of the image sensor 161. A two-dimensional image of the sample 110 can be obtained by detecting scattered light while moving the stage 121 in the horizontal direction.
  • a laser or a lamp may be used as a light source of the illumination optical systems 131 and 132.
  • the wavelength of each light source may be a single wavelength or broadband wavelength light (white light).
  • ultraviolet region light Ultra Violet Light
  • the illumination optical systems 131 and 132 can be provided with means for reducing the coherence if the laser is a single wavelength laser.
  • the illumination optical system 133 irradiates the sample 110 via the objective lens of the upper detection system 141.
  • An optical path can be changed using a folding mirror (not shown) at the position of the spatial filter 151, and illumination light from the illumination optical system 133 can be irradiated from above the sample 110. Further, by disposing a wave plate (not shown) between each of the illumination optical systems 131 to 133 and the sample 110, the polarization state of the illumination light incident on the sample 110 can be changed.
  • the control unit 170 controls the overall operation of the defect inspection apparatus 100 such as the mechanical controller 122, each illumination optical system, and each image sensor.
  • the arithmetic device 200 can be connected to the defect inspection device 100 via the control unit 170.
  • the arithmetic device 200 can control the defect inspection device 100 via the control unit 170.
  • the computing device 200 includes an image processing unit 210, a defect determination unit 220, an image storage unit 230, an extraction condition calculation unit 240, an extraction condition storage unit 250, and a display unit 260.
  • the DR-SEM 270 may be configured as a function of the arithmetic device 200, or may be configured as a functional unit different from the arithmetic device 200.
  • the image processing unit 210 acquires an appearance image of the sample 110 via the control unit 170, and performs a process described later with reference to FIG.
  • the defect determination unit 220 extracts a defect of the sample 110 based on the feature amount of the appearance image according to the extraction condition described in the extraction condition data stored in the extraction condition storage unit 250.
  • the image storage unit 230 stores a feature amount image representing the feature amount of the sample 110, a determination result by the defect determination unit 220, and the like.
  • the extraction condition calculation unit 240 calculates a new defect extraction condition according to a procedure described later, and the defect determination unit 220 extracts a defect using the condition.
  • the display unit 260 displays a processing result by the arithmetic device 200 such as a determination result by the defect determination unit 220 on a screen.
  • a DR-SEM Detect Review SEM (Scanning Electron Microscope) is an apparatus that inspects a defect of the sample 110 using an SEM image, and is configured as a defect inspection means different from the defect inspection apparatus 100.
  • FIG. 2 is a top view showing an example of the sample 110.
  • the sample 110 is, for example, a semiconductor wafer
  • the same semiconductor chips (die) 111 to 115 are formed on the sample 110.
  • the semiconductor chip 115 On the semiconductor chip 115, a memory area 1151 and a peripheral circuit area 1152 are formed.
  • the defect inspection apparatus 100 acquires an appearance image while moving the stage 121 in a direction orthogonal to the illumination line (scanning line) 1153.
  • the arithmetic device 200 extracts defects by comparing the semiconductor chips 111 to 115 with each other. Details will be described later.
  • FIG. 3 is a configuration diagram of an internal calculation block included in the image processing unit 210.
  • the image processing unit 210 includes an internal calculation block for each detection system included in the defect inspection apparatus 100, and individually processes an appearance image detected by each detection system.
  • the internal calculation block 210a for processing the appearance image detected by the first detection system for example, the upper detection system 151 is illustrated.
  • Other internal operation blocks have the same configuration, and alphabetic suffixes are used when it is necessary to distinguish them. The same applies to the drawings described later.
  • the internal calculation block 210 a receives the pixel value 301 a of the appearance image of the sample 110 and accumulates it in the image memory 211, thereby generating the inspection target image (for example, the semiconductor chip 111) 302. Similarly, adjacent images (for example, semiconductor chips 112 to 115) 303 are generated as comparison targets.
  • the misregistration calculation unit 212 calculates the misregistration amount between both images, for example, by calculating a normalized correlation between the inspection target image 302 and the adjacent image 303.
  • the alignment unit 213 aligns the positions of both images by moving the inspection target image 302 or the adjacent image 303 according to the amount of positional deviation.
  • the reference image synthesizer 214 generates a reference image 306 composed of median values of pixel values (luminance values) of a plurality of adjacent images 303.
  • the reference image 306 is an image serving as a defect inspection standard.
  • the difference calculation unit 215 creates a difference image 304 by calculating a difference between the inspection target image 302 and the reference image 306.
  • the clustering unit 216 Based on the pixel value of the reference image 306 and the gradient (dI (x, y) / dx, dI (x, y) / dy) of the reference image 306, the clustering unit 216 divides the partial area in the reference image 306 into one or more groups. To cluster. As a result, the partial areas in the reference image 306 are, for example, (a) a group with a large (bright) pixel value, (b) a group with a medium pixel value, (c) a group with a small (dark) pixel value, etc. are categorized.
  • the difference calculation unit 215 creates a histogram in which the difference values and their frequencies are tabulated for each group. For example, how far the pixel values belonging to the group (a) are separated from the pixel values of the reference image 306 is totalized, and the correspondence between the difference value and the frequency is recorded as a histogram.
  • the background noise estimation unit 217 calculates a value indicating how much the pixel value of the difference image 304 calculated by the difference calculation unit 215 varies. This value is called background noise. If the reference image 306 and the inspection target image 302 are the same, there is no difference and the variation is zero. When the difference values between the two images are various (when there are difference values having various values), the difference between the inspection target image 302 and the reference image 306 is considered to be large.
  • the background noise estimation unit 217 obtains the standard deviation of the histogram calculated by the difference calculation unit 215 and uses this as the first background noise.
  • the 1st background noise has the meaning showing the dispersion
  • the background noise estimation unit 217 further calculates the second background noise based on pixel value variation (for example, standard deviation) at the same location in the plurality of adjacent images 303.
  • the second background noise has a significance representing the variation of each pixel.
  • the internal calculation block 210a outputs the inspection target image 302a and the reference image 306a.
  • the difference calculation unit 215 generates and outputs a difference image 304 by arranging the calculated difference corresponding to each pixel position.
  • the background noise estimation unit 217 generates and outputs a background noise image 305 in which the calculated two components of the first background noise and the second background noise are arranged corresponding to each pixel position.
  • FIG. 4 is a block diagram illustrating an internal configuration of the defect determination unit 220.
  • the image processing unit 210 includes internal calculation blocks (in FIG. 4, 210a to 210c are shown on the assumption that there are three detection systems) for each detection system, and each internal calculation block has the processing described in FIG. And the respective outputs are delivered to the corresponding normalization units 221a to 221c.
  • the normalizing unit 221 calculates a combined background noise at the pixel position by combining the components constituting each pixel of the background noise image, the first background noise and the second background noise.
  • a parameter representing the calculation formula is stored in the extraction condition storage unit 250, and this data is used. Alternatively, for example, a prescribed arithmetic expression such as an average value may be used.
  • a normalized difference image obtained by normalizing each pixel value of the difference image 304 is calculated.
  • the space classifier 222 arranges the pixels of the normalized difference image 304 in a pixel value space having each detection system as a space axis, and extracts defect candidates based on the distance between each pixel and the origin. A pixel whose distance from the origin exceeds a threshold value is regarded as a defect candidate.
  • the threshold value can be stored in advance in the extraction condition storage unit 250, for example. This threshold value can also be adjusted as a parameter of the defect inspection apparatus 100.
  • a configuration example of the space classifier 222 will be described later with reference to FIG.
  • the feature extraction unit 223 calculates defect feature amounts by analyzing the inspection target images 302a to 302c and the reference images 306a to 306c for the defect candidates extracted by the space classifier 222.
  • the defect feature amount include (a) shape feature of the defect candidate area (ratio of major axis / minor axis by ellipse approximation), (b) the sum of normalized differences in the defect candidate area, and (c) the inspection target image 302.
  • the difference between the results of applying a Laplacian filter to each reference image 306 can be used.
  • a defect candidate area is a partial area formed by a set of pixels determined to be defective. Features other than these can also be used.
  • the determination unit 224 stores the extraction condition storage unit 250 in a multidimensional space having the normalized difference for each detection system calculated by the normalization unit 221 and each feature amount calculated by the feature extraction unit 223 as a spatial axis. The defect and the false alarm are separated according to the description of the extraction condition data.
  • the determination unit 224 stores the defect candidate image determined to be a defect and the feature amount of the defect candidate in the image storage unit 230.
  • FIG. 5 is a block diagram showing the internal configuration of the space classifier 222.
  • the space classifier 222 receives the pixel values of the normalized background noise image 305 output from the normalization unit 221 for each detection system (normalized difference pixel values 307a to 307c).
  • the linear sum calculators 222_1 to 222_3 receive the normalized difference pixel values 307a to 307c, respectively, and multiply them by a predetermined gain (coefficient). If the calculation result exceeds the predetermined threshold, an output indicating that is output to the logical sum unit 222_8.
  • the threshold value and the coefficient can be stored in advance in the extraction condition storage unit 250, and can be further adjusted as a defect extraction parameter. The same applies to other linear sum calculators.
  • the linear sum calculators 222_4 to 222_6 receive pairs of normalized difference pixel values 307a and 307b, 307a and 307c, and 307b and 307c, respectively, multiply each normalized difference pixel value by a predetermined coefficient, and add them. Thus, a linear sum is obtained. If the calculation result exceeds the predetermined threshold, an output indicating that is output to the logical sum unit 222_8.
  • the linear sum calculator 222_7 receives the normalized difference pixel values 307a to 307c, multiplies each normalized difference pixel value by a predetermined coefficient, and adds them to obtain a linear sum. If the calculation result exceeds the predetermined threshold, an output indicating that is output to the logical sum unit 222_8.
  • the logical sum unit 222_8 When the logical sum unit 222_8 receives an output indicating that the threshold value is exceeded from any of the linear sum calculators 222_1 to 222_7, the logical sum unit 222_8 outputs an output indicating that the pixel is defective as the determination result 222_out. If all of the logical sum units are below the threshold value, the fact that the pixel is not defective is output. By executing this process for all pixels, bitmap data indicating whether each pixel is defective is obtained.
  • FIG. 6 is an example of a defect candidate screen 261 displayed by the display unit 260.
  • the defect map 2611 displays the position of the defect candidate determined by the determination unit 224 as a defect on the top view of the sample 110.
  • the defect candidate image 2612 displays the detection target image 302 / reference image 306 / difference image 304 for defect candidates specified by the user on the defect map 2611 (for example, clicked by an arrow pointer).
  • the defect candidate list 2613 displays details of each defect candidate displayed on the defect map 2611.
  • the defect candidate list 2613 displays defect candidate identifiers (ID), defect classifications (Class), region labels, and defect feature quantities.
  • ID is given for convenience in order to distinguish each defect candidate.
  • the defect classification is blank in the initial state.
  • the number field below the defect map 2611 displays the number of defect candidates classified by the user and the number of unclassified defect candidates.
  • the area label is an identifier representing a partial area of the sample 110, and corresponds to, for example, the memory area 1151 described in FIG.
  • the defect feature amount is a feature amount of the defect candidate extracted by each detection system. For example, the user repeatedly selects a defect candidate on the defect map 2611 and inputs a classification until both the number of actual reports and the number of false reports reach a certain number of cases.
  • the user When the user wants to display a screen by designating a specific ID or classification, the user inputs the numerical value in the search condition column 2614.
  • the arithmetic unit 200 extracts the defect candidates that match the numerical value and displays them in the defect candidate list 2613.
  • the determination result by the DR-SEM 270 may be reflected as a classification instead of or in combination with the user inputting the classification of each defect candidate.
  • FIG. 7 is an example of a conventional setting screen 262 used by the user to adjust the defect extraction parameters.
  • the setting screen 262 is displayed on the display unit 260.
  • Arithmetic device 200 counts the number of actual reports / number of false reports input on the defect candidate screen 261 by the user for each area label and stores it in image storage unit 230.
  • the graph 2622 displays the actual report number / false report number / unclassified number calculated for the region label.
  • the parameter table 2623 is a list of threshold values used when the normalization unit 221 and the determination unit 224 extract defects for the region label. For example, when the feature amount Param1 of a certain defect candidate exceeds the threshold 3, the determination unit 224 extracts the defect candidate.
  • the parameter table 2624 is a list of coefficients and threshold values used by the space classifier 222. For example, Ch1 is a coefficient and a threshold value used by the linear sum calculator 222_1. These parameters are stored in the extraction condition storage unit 250 as defect extraction parameters.
  • the user selects either the parameter in the parameter table 2623 or the parameter table 2624 by using the pointer 2625.
  • computing device 200 assumes that the selected parameter has been changed within a certain range (or the range may be designated by the user), how the actual number of reports / number of unreported / unclassified numbers changes Is recalculated according to the procedure described in FIGS.
  • a graph 2622 displays the relationship between the parameter change and each detection number change.
  • the user moves the slider 2626 to specify a parameter value that provides a desired number of detections, and presses an apply button 2627.
  • the user typically specifies a parameter value with a large number of actual reports and a small number of false reports, but there are cases where an unclassified number is also taken into account.
  • the parameter value corresponding to the slider 2626 at the time when the apply button 2627 is pressed is reflected on the parameter corresponding to the pointer 2625, and the extraction condition storage unit 250 stores the parameter value.
  • FIG. 8 is an example of a setting screen 262 used by the user to adjust the defect detection parameter in the first embodiment.
  • the user inputs a range of sensitivity index values to be described later to the index value column 2628.
  • the arithmetic device 200 extraction condition calculation unit 240
  • maximizes an evaluation value which will be described later, and calculates the actual report number / false report number / unclassified number according to the procedure described with reference to FIGS. Recalculate.
  • the arithmetic device 200 temporarily stores the defect extraction parameter calculated corresponding to each sensitivity index value in the extraction condition storage unit 250.
  • the graph 2622 displays each sensitivity index value and the actual report number / imaginary report number / unclassified number corresponding to the sensitivity index value.
  • the arithmetic unit 200 reads out the defect extraction parameter corresponding to the sensitivity index value pointed to by the slider 2626 and displays it on the parameter tables 2623 and 2624.
  • the user moves the slider 2626 to specify a sensitivity index value that can obtain a desired number of detections, and presses an apply button 2627.
  • the computing device 200 searches for a defect extraction parameter that can maximize the evaluation value Popt (S), for example, according to the following formula 1. For example, the search can be performed by repeatedly changing the element of P until the maximum value of the evaluation value Popt (S) converges.
  • P is a vector of defect extraction parameters (a vector having elements such as coefficients and thresholds).
  • CountD is the actual number of reports obtained using the initial value of the defect extraction parameter.
  • CountF is a false number obtained using the initial value of the defect extraction parameter.
  • Cd (P) is the number of actual reports extracted using the defect extraction parameter vector P.
  • Cf (P) is the number of false reports extracted using the defect extraction parameter vector P.
  • S is a sensitivity index value input to the index value column 2628. 0 is a small value (negative offset).
  • the calculation process proceeds toward the direction of maximizing Cd (P) as a whole.
  • the actual report rate actual report number / (actual report number + false report number)
  • the term on the right side of the operator min is selected, and as a result, it is possible to determine that the calculation process has not yet obtained the maximum value. Increases nature.
  • the negative offset 0 is for forcibly selecting the right term when the left and right terms in the operator min accidentally become equal.
  • the optimum defect extraction parameter vector considering both Cd (P) and the actual report rate can be obtained only by specifying the degree of importance of the term on the right side of the operator min in Equation 1 as the sensitivity index value S. P can be obtained.
  • the computing device 200 can also set a weight for each defect candidate class. For example, by using a positive value as the weight of the actual report classification and using a negative value as the weight of the false report classification, the evaluation value increases as the number of actual reports increases, and the evaluation value decreases as the number of false reports increases. it can. In this case, the following formula 2 is used instead of the formula 1.
  • Wdi is the weight of the actual report classification i.
  • Wfi is the weight of the false report classification i.
  • Cdi (P) is the number of actual reports belonging to the actual report classification i extracted using the defect extraction parameter vector P.
  • Cfi (P) is the number of false reports belonging to the false report classification i extracted using the defect extraction parameter vector P.
  • FIG. 9 is a PAD showing a procedure by which the arithmetic device 200 adjusts the defect extraction parameter. Hereinafter, each step of FIG. 9 will be described.
  • Steps S900 to S902 The defect inspection apparatus 100 captures an appearance image of the sample 110 (S901).
  • the arithmetic device 200 extracts defect candidates according to the procedure described with reference to FIGS. 3 to 5 (S902). This is performed until an image of the entire surface of the sample 110 is captured and defect candidates are extracted (S900). In these steps, it is desirable to perform a high-sensitivity inspection with a relatively large number of false alarms so that important defects are detected.
  • Step S903 The user selects a defect candidate on the defect candidate screen 261 and inputs a classification for each defect candidate.
  • each defect candidate is classified into an actual report and a false report, but a more detailed defect classification may be given.
  • the determination result by the DR-SEM 270 may be used instead of or in combination with the user input.
  • the arithmetic device 200 can appropriately include an interface 280 for transmitting / receiving a determination result to / from a user input (for example, a keyboard or mouse) or DR-SEM 270 (for example, a communication network).
  • Steps S904 to S905 The user inputs a plurality of sensitivity index values (or sensitivity index value ranges) on the setting screen 262 (S904).
  • the arithmetic device 200 performs steps S906 to S907 for each input sensitivity index value (at regular intervals when a range is designated) (S905).
  • Steps S906 to S907 The arithmetic device 200 uses the sensitivity index value S as an input parameter, optimizes the defect detection parameter according to equation 1 (equation 2 when weighting the classification), and stores this in the extraction condition storage unit 250 (S906).
  • the arithmetic unit 200 calculates the number of actual reports / number of false reports / number of unclassified using the defect extraction parameter optimized in step S906 and the feature amount of each defect candidate (S907).
  • the setting screen 262 displays the actual report number / false report number / unclassified number in the graph 2622 (S908).
  • the user selects a sensitivity index value using the slider 2626, and the arithmetic device 200 displays the defect extraction parameters calculated using the sensitivity index value in the parameter tables 2623 and 2624 (S909).
  • the extraction condition storage unit 250 stores the defect extraction parameter, and the arithmetic unit 200 subsequently inspects the defect of the sample 110 using the defect extraction parameter (S910).
  • FIG. 10 is an example of a setting screen 263 used by the user to adjust the defect detection parameter in the second embodiment.
  • the user can use the setting screen 263 instead of or in combination with the setting screen 262.
  • the area label 2631, the parameter table 2633, and the parameter table 2634 are the same as those described with reference to FIG.
  • the user selects whether the defect extraction parameter is optimized based on any of the defect capture rate / false report rate / false report residual rate.
  • the defect capture rate is obtained by (number of actual reports extracted using current defect extraction parameters) / (number of actual reports extracted using initial values of defect extraction parameters).
  • the false alarm rate is obtained by (number of false reports) / (number of actual reports + number of false reports).
  • the false alarm remaining rate is obtained by (number of false alarms extracted using current defect extraction parameters) / (number of false alarms extracted using initial values of defect extraction parameters).
  • the current defect extraction parameter refers to the defect extraction parameter used in S902. The user selects which of these is to be used, and further inputs a desired range to the index value column 2628. In the example of FIG.
  • the arithmetic unit 200 obtains all combinations of defect extraction parameters according to the designation.
  • the defect extraction parameters that satisfy the specified condition can be obtained by, for example, exhaustive search or can be obtained by a known search method.
  • the defect capture rate can also be specified as 80% or more, for example.
  • the false alarm rate can be specified as 40% or less.
  • the false information remaining rate can also be specified as 10% or less, for example.
  • the parameter table 2632 displays the defect extraction parameter obtained according to the user's specification and the defect capture rate / false report rate / false report residual rate when using the defect extraction parameter.
  • the parameter tables 2633 and 2634 display details of the defect extraction parameters corresponding to that row.
  • FIG. 11 is a PAD diagram showing a procedure by which the arithmetic device 200 adjusts the defect extraction parameter in the second embodiment. Steps S900 to S903, S906 to S908, and S910 are the same as those in FIG.
  • Step S1101 On the setting screen 263, the user selects which parameter is to be used as the standard for optimizing the defect extraction parameter, and inputs the value range (or a plurality of values) (S1101).
  • the arithmetic device 200 performs steps S906 to S907 for each inputted reference parameter (at regular intervals when a range is designated) (S1102).
  • Step S1103 The arithmetic device 200 displays details of the defect extraction parameters selected by the user on the parameter table 2632 in the parameter tables 2633 and 2634.
  • FIG. 12A is a block diagram showing an internal configuration of the space classifier 222 according to Embodiment 3 of the present invention.
  • the space classifier 222 newly includes internal calculation blocks 222_9 to 222_13 in addition to the configuration described in the first embodiment. The difference due to the addition of these will be described below.
  • FIG. 12B is a block diagram illustrating details of the internal calculation blocks 222_9 to 222_13.
  • the internal calculation block 222_9 receives the normalized difference pixel values 307a to 307c, and individually determines whether they exceed the threshold values in the binarization determination units 222-9a, 222-9b, and 222-9c provided in 222_9. To do. Each threshold value can be different for each detection system. This threshold value is stored in the extraction condition storage unit 250 as a defect extraction parameter. The binarization determination result is sent to the logical sum unit 222-9d. If any of the normalized difference pixel values 307a to 307c is equal to or greater than the threshold value, an output indicating that the pixel is defective is output to the internal calculation block 222_13. Hand over.
  • the internal calculation blocks 222_10 and 222_11 perform the same processing as the internal calculation block 222_12.
  • the internal calculation block 222_12 will be described.
  • 222-12a, 222-12b, and 222-12c are binarization determination units provided in 222-12, and have the same functions as 222-9a, 222-9b, and 222-9c.
  • the outputs of 222-12a, 222-12b, and 222-12c are sent to the logical product unit 222-12d, and when all of the normalized difference pixel values 307a to 307c are equal to or larger than the threshold value, it is determined that they are defect candidates. Is delivered to the internal operation block 222_13.
  • the threshold values used in 222-12a, 222-12b, and 222-12c can be stored in advance in the extraction condition storage unit 250 and further adjusted as defect extraction parameters.
  • the internal calculation blocks 222_10 and 222_11 have the same function as the internal calculation block 222_12, but the threshold values given to the binarization determination unit provided in the internal calculation blocks 222_11 are different from those used in 222-12a, 222-12b, and 222-12c. Set.
  • the threshold value can be stored in advance in the extraction condition storage unit 250 and further adjusted as a defect extraction parameter.
  • the threshold value applied in the binarization determination units 222-9a, 222-9b, and 222-9c provided in 222_9 is larger than the threshold value used in 222_10, 222_11, and 222_12. Set.
  • the internal calculation block 222_13 considers that a pixel determined to be defective by any of the internal calculation blocks 222_10 to 222_12 is a defect candidate. 222_10 to 222_12 are led to a logical sum unit 222_13a provided in 222_13 to take a logical sum. Further, this output is led to the logical product unit 222_13b.
  • the internal operation block 222_13 receives the output from the logical sum unit 222_8. 223_13b outputs a pixel that the OR unit 222_8 determines to be a defect candidate and that 222_13a regards as a defect as a defect candidate.
  • 222_13c since only the defects that are manifested by both the internal calculation blocks 222_1 to 222_8 and the internal calculation blocks 222_9 to 222_12 can be extracted, it is possible to suppress false information. This result is output to 222_13c.
  • the internal calculation block 222_12 is based on the assumption that the pixel is defective when the threshold value is greatly exceeded in any of the detection systems.
  • the output of 222_12 is guided to a logical sum unit 222_13c provided in 222_13, and a logical sum with the output of 222_13b is calculated to output a final defect determination output 222_out.
  • FIG. 13 is a conceptual diagram showing how the space classifier 222 in Embodiment 3 separates defects and noise.
  • FIG. 13 is a conceptual diagram showing how the space classifier 222 in Embodiment 3 separates defects and noise.
  • a circle indicates a real report
  • a cross indicates a false report
  • a triangle indicates an undetected false report.
  • the discrimination plane 1301 is a boundary plane that serves as a reference for the internal calculation blocks 222_1 to 222_8 to extract defects using the initial values of the defect extraction parameters.
  • a defect candidate placed above the boundary surface is determined as a defect by the space classifier 222. Therefore, the ⁇ mark and the X mark are determined as defects.
  • the discrimination surface 1302 is a boundary surface after the defect extraction parameters are adjusted. In this case, a part of the x mark and the ⁇ mark are determined as defects.
  • the discrimination plane becomes 1303 by further adjusting the defect extraction parameter, all the defects detected on the discrimination plane 1301 can be detected and all the false information can be eliminated.
  • a defect candidate that has not been detected on the determination surface 1301 is also detected as a defect, which may cause erroneous detection.
  • FIG. 14 is an example of a setting screen 264 used by the user in the fourth embodiment of the present invention to adjust defect detection parameters.
  • the upper half of the screen is the same as the setting screen 262.
  • the user inputs to the area label column 2621 that all areas are selected at once.
  • the arithmetic device 200 collectively calculates the actual / imaginary number of reports for all area labels in the same procedure as in the first embodiment, and the totaling column 2641 displays the result.
  • the tabulated results such as the number of actual reports / number of false reports / number of unclassified labels, actual report rate / false report rate / defect capture rate / defect remaining rate, etc. detected for all area labels are displayed. Any one of these may be selectively displayed.
  • the optimization is comprehensively performed for all the areas in Expression 1 and Expression 2.
  • automatic adjustment is performed such that the detection sensitivity in a region where defects are likely to occur is increased and the detection sensitivity in a region with many false alarms is decreased. Since the sensitivity index value can be adjusted collectively for all regions, the burden of adjusting the defect extraction parameter can be further suppressed.
  • Gi is a coefficient used internally by the space classifier 222, and is an array of coefficients used by each internal calculation block (seven in FIG. 5).
  • X is an array of feature quantities, and has the same number of elements as the number of dimensions of the feature quantity space.
  • Thi is a detection threshold value.
  • Equation 3 can be replaced as the following equation 4.
  • j is an index of a defect candidate.
  • t (j) is 1 for actual information and -1 for false information.
  • class (j) is a classification to which the defect candidate j belongs.
  • C () is a cost, and is given to the actual information class when no defect is detected, or to the false information class when a false information is detected.
  • ⁇ i is a slack variable.
  • J (j) is set to a value of 1 or less if a defect has already been detected when i is other than the current value, and is set to 1 otherwise.
  • the present invention is not limited to the above-described embodiments, and includes various modifications.
  • the above-described embodiments have been described in detail for easy understanding of the present invention, and are not necessarily limited to those having all the configurations described.
  • a part of the configuration of one embodiment can be replaced with the configuration of another embodiment, and the configuration of another embodiment can be added to the configuration of one embodiment.
  • the above components, functions, processing units, processing means, etc. may be realized in hardware by designing some or all of them, for example, with an integrated circuit.
  • Each of the above-described configurations, functions, and the like may be realized by software by interpreting and executing a program that realizes each function by the processor.
  • Information such as programs, tables, and files for realizing each function can be stored in a recording device such as a memory, a hard disk, an SSD (Solid State Drive), or a recording medium such as an IC card, an SD card, or a DVD.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Automation & Control Theory (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本発明は、欠陥を検出するために用いるパラメータを、ユーザにとって少ない負担でセットすることができる欠陥検査技術を提供することを目的とする。本発明に係る欠陥検査装置は、ユーザが入力する複数の基準値を受け取るとともに、その基準値／実報数／虚報数を用いて算出する評価値が最適になるように、欠陥抽出条件を算出する。

Description

欠陥検査装置、欠陥検査方法
　本発明は、検査対象が有する欠陥を検査する技術に関するものである。
　下記特許文献１は、『検査片の特性を検知し、分析してレベル情報を有する欠陥を識別する。』ことを課題とする技術として、『検査システムは、システム・パラメータの１組の初期閾値を用いてレベル情報を分析し、異常の初期部分を欠陥として捕らえる。捕らえた欠陥の概要を表示し、閾値パラメータに対する潜在的に捕らえられる欠陥の動作曲線も表示する。パラメータを選択的に変化させて修正閾値を形成し、この修正閾値を用いて、異常のレベル情報を分析する。レベル情報の直前の分析に基づいて、異常の更新部分を欠陥として捕らえ、捕らえた異常の概要を、再計算した動作曲線と共に表示する。閾値を選択的に変化させ、欠陥を捕らえ直すステップは、所望に応じて繰り返し、検査システムの処方に用いるために、修正した１組の閾値パラメータを記憶する。』というものを記載している（要約参照）。
特開２０１０－２８６５０１号公報
　上記特許文献１記載の技術においては、複数の閾値パラメータを個別に変化させて欠陥を識別するとともに動作曲線を表示することにより、閾値パラメータを個別に最適化している。しかし一般に欠陥検査装置においてセットすべき閾値パラメータは多数に及び、各閾値パラメータを個別にセットするのはユーザにとって負担が大きいと考えられる。
　本発明は、上記のような課題に鑑みてなされたものであり、欠陥を検出するために用いるパラメータを、ユーザにとって少ない負担でセットすることができる欠陥検査技術を提供することを目的とする。
　本発明に係る欠陥検査装置は、ユーザが入力する複数の基準値を受け取るとともに、その基準値／実報数／虚報数を用いて算出する評価値が最適になるように、欠陥抽出条件を算出する。
　本発明に係る欠陥検査装置によれば、ユーザは基準値を入力するのみで効果的な欠陥抽出条件を得ることができる。これにより、ユーザにとって欠陥抽出パラメータをセットする負担を抑制することができる。
実施形態１に係る欠陥検査装置１００の構成図である。 試料１１０の例を示す上面図である。 画像処理部２１０が備える内部演算ブロックの構成図である。 欠陥判定部２２０の内部構成を示すブロック図である。 空間分類器２２２の内部構成を示すブロック図である。 表示部２６０が表示する欠陥候補画面２６１の１例である。 ユーザが欠陥抽出パラメータを調整するために用いる従来の設定画面２６２の例である。 実施形態１においてユーザが欠陥検出パラメータを調整するために用いる設定画面２６２の例である。 演算装置２００が欠陥抽出パラメータを調整する手順を示すＰＡＤ図である。 実施形態２においてユーザが欠陥検出パラメータを調整するために用いる設定画面２６３の例である。 実施形態２において演算装置２００が欠陥抽出パラメータを調整する手順を示すＰＡＤ図である。 実施形態３における空間分類器２２２の内部構成を示すブロック図である。 内部演算ブロック２２２＿９～２２２＿１３の詳細を説明するブロック図である。 実施形態３における空間分類器２２２が欠陥とノイズを分離する様子を示す概念図である。 実施形態４においてユーザが欠陥検出パラメータを調整するために用いる設定画面２６４の例である。
＜実施の形態１＞
　図１は、本発明の実施形態１に係る欠陥検査装置１００の構成図である。欠陥検査装置１００は、試料１１０の外観画像を撮像し、その外観画像を用いて試料１１０が有する欠陥を検査する装置である。以下では記載の便宜上、欠陥検査装置１００と演算装置２００を個別に記載しているが、これらは一体的に構成することもできるし、適当な通信線を介して相互接続することもできる。
　試料１１０は、例えば半導体ウエハなどの被検査物である。ステージ１２１は、試料１１０を搭載してＸＹＺ方向に移動させ、回転させることができる。メカニカルコントローラ１２２は、ステージ１２１を駆動するコントローラである。照明光学系１３１または１３２のいずれかは、試料１１０に対して斜方から照明光を照射する。上方検出系１４１と斜方検出系１４２は、試料１１０からの散乱光を結像する。イメージセンサ１６１と１６２は、各検出系が結像した光学像を受光して画像信号に変換する。イメージセンサ１６１の前段には検光子１５２が配置されている。ステージ１２１を水平方向に移動させながら散乱光を検出することにより、試料１１０の２次元画像を得ることができる。
　照明光学系１３１と１３２の光源としては、レーザを用いてもよいしランプを用いてもよい。各光源の波長は、単波長であってもよいし、広帯域波長光（白色光）であってもよい。短波長光を用いる場合、検出する画像の分解能を上げる（微細な欠陥を検出する）ために紫外領域光（Ｕｌｔｒａ　Ｖｉｏｌｅｔ　Ｌｉｇｈｔ）を用いることもできる。光源としてレーザを用いる場合、単波長レーザであれば、照明光学系１３１と１３２は干渉性を低減する手段を備えることもできる。
　照明光学系１３３は、上方検出系１４１の対物レンズを介して試料１１０を照射する。空間フィルタ１５１の位置における折り返しミラー（図示せず）を用いて光路を変更し、照明光学系１３３からの照明光を試料１１０の上方から照射することができる。さらに図示していない波長板を各照明光学系１３１～１３３と試料１１０との間にそれぞれ配置することにより、試料１１０に対して入射する照明光の偏光状態を変えることができる。
　制御部１７０は、メカニカルコントローラ１２２、各照明光学系、各イメージセンサなど欠陥検査装置１００の全体動作を制御する。演算装置２００は、制御部１７０を介して欠陥検査装置１００と接続することができる。演算装置２００は、制御部１７０を介して欠陥検査装置１００を制御することができる。
　演算装置２００は、画像処理部２１０、欠陥判定部２２０、画像記憶部２３０、抽出条件算出部２４０、抽出条件記憶部２５０、表示部２６０を備える。ＤＲ－ＳＥＭ２７０は演算装置２００の機能として構成してもよいし、演算装置２００とは別の機能部として構成してもよい。
　画像処理部２１０は、制御部１７０を介して試料１１０の外観画像を取得し、後述の図３で説明する処理を実施する。欠陥判定部２２０は、抽出条件記憶部２５０が格納している抽出条件データが記述している抽出条件にしたがって、外観画像の特徴量に基づき試料１１０の欠陥を抽出する。画像記憶部２３０は、試料１１０の特徴量を表す特徴量画像、欠陥判定部２２０による判定結果などを記憶する。抽出条件算出部２４０は、後述する手順にしたがって新たな欠陥抽出条件を算出し、欠陥判定部２２０はその条件を用いて欠陥を抽出する。表示部２６０は、欠陥判定部２２０による判定結果など、演算装置２００による処理結果を画面表示する。ＤＲ－ＳＥＭ（Ｄｅｆｅｃｔ　Ｒｅｖｉｅｗ　ＳＥＭ（Ｓｃａｎｎｉｎｇ　Ｅｌｅｃｔｒｏｎ　Ｍｉｃｒｏｓｃｏｐｅ））は、ＳＥＭ画像を用いて試料１１０の欠陥を検査する装置であり、欠陥検査装置１００とは別の欠陥検査手段として構成されている。
　図２は、試料１１０の例を示す上面図である。試料１１０が例えば半導体ウエハである場合、試料１１０上に同じ半導体チップ（ダイ）１１１～１１５が形成されている。半導体チップ１１５上には、メモリエリア１１５１と周辺回路エリア１１５２が形成されている。欠陥検査装置１００は、ステージ１２１を照明線（走査線）１１５３に対して直交する方向に移動させながら外観画像を取得する。演算装置２００は、半導体チップ１１１～１１５を相互に比較することにより、欠陥を抽出する。詳細は後述する。
　図３は、画像処理部２１０が備える内部演算ブロックの構成図である。画像処理部２１０は、後述の図４で説明するように、欠陥検査装置１００が備える検出系ごとに内部演算ブロックを備え、各検出系によって検出した外観画像を個別に処理する。ここでは１つ目の検出系（例えば上方検出系１５１）によって検出した外観画像を処理する内部演算ブロック２１０ａを例示した。その他内部演算ブロックも同様の構成を備えるので、これらを区別する必要がある場合はアルファベットの添字を用いる。後述する図面においても同様である。
　内部演算ブロック２１０ａは、試料１１０の外観画像の画素値３０１ａを受け取り、これを画像メモリ２１１内に蓄積することにより、検査対象画像（例えば半導体チップ１１１）３０２を生成する。同様に比較対象として、隣接画像（例えば半導体チップ１１２～１１５）３０３を生成する。
　位置ずれ算出部２１２は、例えば検査対象画像３０２と隣接画像３０３との間の正規化相関を算出するなどによって両画像間の位置ずれ量を算出する。位置合わせ部２１３は、その位置ずれ量にしたがって検査対象画像３０２または隣接画像３０３を移動させることにより両画像の位置を揃える。参照画像合成器２１４は、例えば複数の隣接画像３０３の画素値（輝度値）のメディアン値によって構成された参照画像３０６を生成する。参照画像３０６は、欠陥検査の基準となる画像である。差分算出部２１５は、検査対象画像３０２と参照画像３０６との間の差分を算出することにより、差分画像３０４を作成する。
　クラスタリング部２１６は、参照画像３０６の画素値と画素値の勾配（ｄＩ（ｘ，ｙ）／ｄｘ、ｄＩ（ｘ，ｙ）／ｄｙ）に基づき、参照画像３０６内の部分領域を１以上のグループへクラスタリングする。これにより参照画像３０６内の部分領域は、例えば（ａ）画素値が大きい（明るい）グループ、（ｂ）画素値が中程度のグループ、（ｃ）画素値が小さい（暗い）グループ、などといったように分類される。差分算出部２１５は、検査対象画像３０２と参照画像３０６との間の差分を算出する過程において、差分値とその頻度を集計したヒストグラムを、上記グループごとに作成する。例えばグループ（ａ）に属する画素値が、参照画像３０６の画素値からどの程度離れているかを集計し、その差分値と頻度との間の対応関係をヒストグラムとして記録する。
　背景ノイズ推定部２１７は、差分算出部２１５が算出する差分画像３０４の画素値がどの程度ばらついているかを表す値を算出する。この値を背景ノイズと呼ぶことにする。参照画像３０６と検査対象画像３０２が同一であれば、差分は生じないのでばらつきは０である。両画像間の差分値が様々である場合（様々な値を有する差分値が存在している場合）、検査対象画像３０２と参照画像３０６との間の差分は大きいと考えられる。背景ノイズ推定部２１７は、差分算出部２１５が算出した上記ヒストグラムの標準偏差を求め、これを第１背景ノイズとする。第１背景ノイズは、上記グループごとのばらつきを表す意義がある。
　背景ノイズ推定部２１７はさらに、複数の隣接画像３０３の同一箇所における画素値のばらつき（例えば標準偏差）に基づき、第２背景ノイズを算出する。第２背景ノイズは、画素ごとのばらつきを表す意義がある。
　内部演算ブロック２１０ａは、検査対象画像３０２ａ、参照画像３０６ａを出力する。差分算出部２１５は、算出した差分を各画素位置に対応させて配置することにより差分画像３０４を生成して出力する。背景ノイズ推定部２１７は、算出した第1背景ノイズと第2背景ノイズの２つの成分を各画素位置に対応させて配置した背景ノイズ画像３０５を生成して出力する。
　図４は、欠陥判定部２２０の内部構成を示すブロック図である。画像処理部２１０は検出系ごとに内部演算ブロック（図４においては３つの検出系が存在すると仮定して２１０ａ～２１０ｃを示している）を備え、各内部演算ブロックはそれぞれ図３で説明した処理を実施し、対応する正規化部２２１ａ～２２１ｃに対してそれぞれの出力を引き渡す。
　正規化部２２１は、背景ノイズ画像の各画素を構成する成分、第１背景ノイズと第２背景ノイズを合成して画素位置における合成背景ノイズを算出する。算出式を表すパラメータは抽出条件記憶部２５０内に格納しておき、このデータを用いるようにする。あるいは例えば平均値などの規定演算式を用いてもよい。差分画像３０４の各画素をこの算出した合成背景ノイズ画像によって除算することにより、差分画像３０４の各画素値を正規化した正規化差分画像を算出する。
　空間分類器２２２は、正規化した差分画像３０４の画素を、各検出系を空間軸とする画素値空間へ配置し、各画素と原点との間の距離に基づき欠陥候補を抽出する。原点との間の距離が閾値を超えている画素は欠陥候補とみなす。閾値は例えば抽出条件記憶部２５０内にあらかじめ格納しておくことができる。この閾値は欠陥検査装置１００のパラメータとして調整することもできる。空間分類器２２２の構成例は後述の図５で改めて説明する。
　特徴抽出部２２３は、空間分類器２２２が抽出した欠陥候補について、検査対象画像３０２ａ～３０２ｃと参照画像３０６ａ～３０６ｃを解析することにより、欠陥特徴量を算出する。欠陥特徴量としては例えば、（ａ）欠陥候補領域の形状特徴（楕円近似による長径／短径の比率）、（ｂ）欠陥候補領域内における正規化差分の総和、（ｃ）検査対象画像３０２と参照画像３０６それぞれにラプラシアンフィルタをかけた結果の差分、を用いることができる。欠陥候補領域とは、欠陥であると判定された画素の集合によって形成される部分領域である。これら以外の特徴量を用いることもできる。
　判定部２２４は、正規化部２２１が算出した検出系ごとの正規化差分と、特徴抽出部２２３が算出した各特徴量とをそれぞれ空間軸として有する多次元空間において、抽出条件記憶部２５０が格納している抽出条件データの記述にしたがって欠陥と虚報を分離する。判定部２２４は、欠陥であると判定した欠陥候補の画像とその欠陥候補の特徴量を画像記憶部２３０に格納する。
　図５は、空間分類器２２２の内部構成を示すブロック図である。空間分類器２２２は、正規化部２２１が出力する正規化した背景ノイズ画像３０５の各画素値を、検出系ごとに受け取る（正規化差分画素値３０７ａ～３０７ｃ）。
　線形和算出器２２２＿１～２２２＿３は、それぞれ正規化差分画素値３０７ａ～３０７ｃを受け取り、所定のゲイン（係数）を乗じる。算出結果が所定閾値を超えている場合は、その旨を示す出力を論理和ユニット２２２＿８に対して出力する。閾値および係数は抽出条件記憶部２５０内にあらかじめ格納しておくことができ、さらに欠陥抽出パラメータとして調整することができる。その他の線形和算出器についても同様である。
　線形和算出器２２２＿４～２２２＿６は、それぞれ正規化差分画素値３０７ａと３０７ｂ、３０７ａと３０７ｃ、３０７ｂと３０７ｃのペアを受け取り、各正規化差分画素値に対して所定の係数を乗じた上で加算することにより、線形和を求める。算出結果が所定閾値を超えている場合は、その旨を示す出力を論理和ユニット２２２＿８に対して出力する。
　線形和算出器２２２＿７は、正規化差分画素値３０７ａ～３０７ｃを受け取り、各正規化差分画素値に対して所定の係数を乗じた上で加算することにより、線形和を求める。算出結果が所定閾値を超えている場合は、その旨を示す出力を論理和ユニット２２２＿８に対して出力する。
　論理和ユニット２２２＿８は、線形和算出器２２２＿１～２２２＿７いずれかから閾値を超えている旨の出力を受け取った場合は、当該画素が欠陥である旨の出力を判定結果２２２＿ｏｕｔとして出力する。全ての論理和ユニットにおいて閾値以下である場合は当該画素が欠陥ではない旨を出力する。この処理を全ての画素について実施することにより、各画素が欠陥であるか否かを表すビットマップデータが得られる。
　図６は、表示部２６０が表示する欠陥候補画面２６１の１例である。欠陥マップ２６１１は、判定部２２４が欠陥であると判定した欠陥候補の位置を、試料１１０の上面図上に表示する。欠陥候補画像２６１２は、ユーザが欠陥マップ２６１１上で指定（例えば矢印ポインタによってクリック）した欠陥候補について、検出対象画像３０２／参照画像３０６／差分画像３０４をそれぞれ表示する。複数の検出系を用いて試料１１０の外観画像を取得した場合は、各検出系についてこれら画像をそれぞれ表示する。欠陥候補リスト２６１３は、欠陥マップ２６１１が表示している各欠陥候補の詳細を表示する。
　欠陥候補リスト２６１３は、欠陥候補の識別子（ＩＤ）、欠陥分類（Ｃｌａｓｓ）、領域ラベル、欠陥特徴量を表示する。ＩＤは、各欠陥候補を区別するため便宜上付与したものである。欠陥分類は、初期状態においては空欄となっている。ユーザが欠陥候補画像２６１２を確認することにより、当該欠陥候補が実報／虚報のいずれであるかを判断し、その結果を表す分類番号を本欄に対して入力する（例えば虚報である場合は分類＝１などと入力する）。欠陥マップ２６１１下の件数欄は、ユーザによって分類済の欠陥候補の個数と未分類の欠陥候補の個数をそれぞれ表示する。領域ラベルは、試料１１０の部分領域を表す識別子であり、例えば図２で説明したメモリエリア１１５１などがこれに相当する。欠陥特徴量は、各検出系によって抽出した当該欠陥候補の特徴量である。ユーザは、例えば実報数と虚報数がともにある程度の件数に達するまで、欠陥マップ２６１１上でランダムに欠陥候補を選択して分類を入力することを繰り返す。
　ユーザは、特定のＩＤや分類を指定して画面表示したい場合は、検索条件欄２６１４に対してその数値を入力する。演算装置２００は、各欠陥候補のなかでその数値に合致するものを抽出して欠陥候補リスト２６１３内に表示する。ユーザが各欠陥候補の分類を入力することに代えて、またはこれと併用して、ＤＲ－ＳＥＭ２７０による判定結果を分類として反映することもできる。
　図７は、ユーザが欠陥抽出パラメータを調整するために用いる従来の設定画面２６２の例である。設定画面２６２は、表示部２６０上で表示される。演算装置２００は、ユーザが欠陥候補画面２６１において入力した実報数／虚報数を領域ラベルごとに集計して画像記憶部２３０内に格納する。ユーザが領域ラベル欄２６２１に対して領域ラベルを入力すると、グラフ２６２２は当該領域ラベルについて集計した実報数／虚報数／未分類数を表示する。
　パラメータテーブル２６２３は、正規化部２２１および判定部２２４が当該領域ラベルについて欠陥を抽出する際に用いた閾値のリストである。例えばある欠陥候補の特徴量Ｐａｒａｍ１が閾値３を超えた場合、判定部２２４は当該欠陥候補を抽出する。パラメータテーブル２６２４は、空間分類器２２２が用いる係数および閾値のリストである。例えばＣｈ１は線形和算出器２２２＿１が用いる係数および閾値である。これらパラメータは、欠陥抽出パラメータとして抽出条件記憶部２５０が格納している。
　ユーザは、パラメータテーブル２６２３内またはパラメータテーブル２６２４内のいずれかのパラメータをポインタ２６２５によって選択する。演算装置２００は、選択したパラメータをある範囲内で（その範囲についてもユーザが指定してもよい）変化させたと仮定した場合、実報数／虚報数／未分類数がどのように変化するかを、図３～図５で説明した手順にしたがって再算出する。グラフ２６２２は、パラメータ変化と各検出数変化の関係を表示する。ユーザは、スライダ２６２６を移動させて所望の検出数が得られるパラメータ値を指定し、適用ボタン２６２７を押下する。ユーザは典型的には、実報数が多く虚報数が少ないパラメータ値を指定するが、未分類数も加味する場合もある。適用ボタン２６２７を押下した時点におけるスライダ２６２６に対応するパラメータ値がポインタ２６２５に対応するパラメータに対して反映され、抽出条件記憶部２５０はそのパラメータ値を格納する。
　以上のような手順にしたがって欠陥抽出パラメータを調整する場合、単一のパラメータを調整するのみでは最適な欠陥抽出条件を得ることが困難であるので、複数のパラメータを並列的に変化させながら試行錯誤することになる。したがって、パラメータ調整のために多大な時間がかかる傾向があり、ユーザにとって負担になっている。
　図８は、本実施形態１においてユーザが欠陥検出パラメータを調整するために用いる設定画面２６２の例である。ユーザは、図７で説明した欠陥抽出パラメータを個別に抽出することに代えて、後述する感度指標値の範囲を指標値欄２６２８に対して入力する。ユーザが計算ボタン２６２９を押下すると、演算装置２００（抽出条件算出部２４０）は後述する評価値を最大化しつつ図３～図５で説明した手順にしたがって実報数／虚報数／未分類数を再算出する。演算装置２００は、各感度指標値に対応して算出した欠陥抽出パラメータを抽出条件記憶部２５０内に一時的に保存する。グラフ２６２２は、各感度指標値とその感度指標値に対応する実報数／虚報数／未分類数を表示する。
　ユーザがスライダ２６２６を移動させると、演算装置２００はスライダ２６２６がポイントする感度指標値に対応する欠陥抽出パラメータを読み出し、パラメータテーブル２６２３と２６２４に表示する。ユーザは、スライダ２６２６を移動させて所望の検出数が得られる感度指標値を指定し、適用ボタン２６２７を押下する。
　演算装置２００は、例えば下記式１にしたがって、評価値Ｐｏｐｔ（Ｓ）を最大化することができる欠陥抽出パラメータを探索する。例えば評価値Ｐｏｐｔ（Ｓ）の最大値が収束するまでＰの要素を変化させることを繰り返すことにより、探索を実施できる。Ｐは、欠陥抽出パラメータのベクトル（各係数、閾値などを要素とするベクトル）である。ＣｏｕｎｔＤは、欠陥抽出パラメータの初期値を用いて得られた実報数である。ＣｏｕｎｔＦは、欠陥抽出パラメータの初期値を用いて得られた虚報数である。Ｃｄ（Ｐ）は、欠陥抽出パラメータベクトルＰを用いて抽出した実報数である。Ｃｆ（Ｐ）は、欠陥抽出パラメータベクトルＰを用いて抽出した虚報数である。Ｓは、指標値欄２６２８に対して入力する感度指標値である。０は、小さな値（ネガティブオフセット）である。
Figure JPOXMLDOC01-appb-M000001
　式１にしたがって評価値Ｐｏｐｔ（ｓ）を最大化することにより、全体としてはＣｄ（Ｐ）を最大化する方向へ向かって演算プロセスが進行する。ただし、実報率（実報数／（実報数＋虚報数））が小さいと演算子ｍｉｎの右側の項が選択され、結果として演算プロセスは未だ最大値が得られていないと判断する可能性が増す。これら演算子の作用により、実報率をある程度大きい値に維持しつつＣｄ（Ｐ）を最大化する演算プロセスを実施することができる。ネガティブオフセット０は、演算子ｍｉｎ内の左右項が偶然等しくなったとき右側の項を強制的に選択するためのものである。
　ユーザとしては、式１において演算子ｍｉｎの右側の項をどの程度重視するかを、感度指標値Ｓとして指定するのみで、Ｃｄ（Ｐ）と実報率をともに考慮した最適な欠陥抽出パラメータベクトルＰを得ることができる。
　演算装置２００は、欠陥候補の分類（Ｃｌａｓｓ）ごとに重みをセットすることもできる。例えば実報分類の重みとして正値を用い、虚報分類の重みとして負値を用いることにより、実報数が多いほど評価値が高くなり虚報数が多いほど評価値が低くなるようにすることができる。この場合は式１に代えて下記式２を用いる。Ｗｄｉは、実報分類ｉの重みである。Ｗｆｉは、虚報分類ｉの重みである。Ｃｄｉ（Ｐ）は、欠陥抽出パラメータベクトルＰを用いて抽出した実報分類ｉに属する実報数である。Ｃｆｉ（Ｐ）は、欠陥抽出パラメータベクトルＰを用いて抽出した虚報分類ｉに属する虚報数である。
Figure JPOXMLDOC01-appb-M000002
　図９は、演算装置２００が欠陥抽出パラメータを調整する手順を示すＰＡＤ図である。以下図９の各ステップについて説明する。
（図９：ステップＳ９００～Ｓ９０２）
　欠陥検査装置１００は、試料１１０の外観画像を撮像する（Ｓ９０１）。演算装置２００は、図３～図５で説明した手順にしたがって、欠陥候補を抽出する（Ｓ９０２）。これを試料１１０全面の画像が撮像されて欠陥候補が抽出されるまでおこなう（Ｓ９００）。これらステップにおいては、重要欠陥が検出されるように、虚報数が比較的多い高感度検査を実施することが望ましい。
（図９：ステップＳ９０３）
　ユーザは、欠陥候補画面２６１上で欠陥候補を選択し、各欠陥候補に対して分類を入力する。原則としては各欠陥候補を実報と虚報に分類するが、より詳細な欠陥分類を付与してもよい。ユーザが入力することに代えてまたは併用して、ＤＲ－ＳＥＭ２７０による判定結果を用いてもよい。演算装置２００は、ユーザ入力（例えばキーボードやマウス）またはＤＲ－ＳＥＭ２７０との間で判定結果を送受信（例えば通信ネットワーク）するためのインターフェース２８０を適宜備えることができる。
（図９：ステップＳ９０４～Ｓ９０５）
　ユーザは、設定画面２６２上で複数の感度指標値（または感度指標値の範囲）を入力する（Ｓ９０４）。演算装置２００は、ステップＳ９０６～Ｓ９０７を、入力された感度指標値ごとに（範囲を指定した場合は等間隔で）実施する（Ｓ９０５）。
（図９：ステップＳ９０６～Ｓ９０７）
　演算装置２００は、感度指標値Ｓを入力パラメータとして、式１（分類を重み付けする場合は式２）にしたがって欠陥検出パラメータを最適化し、これを抽出条件記憶部２５０内に格納する（Ｓ９０６）。演算装置２００は、ステップＳ９０６において最適化した欠陥抽出パラメータと各欠陥候補の特徴量とを用いて、実報数／虚報数／未分類数を算出する（Ｓ９０７）。
（図９：ステップＳ９０８～Ｓ９１０）
　設定画面２６２は、グラフ２６２２内に実報数／虚報数／未分類数を表示する（Ｓ９０８）。ユーザはスライダ２６２６を用いて感度指標値を選択し、演算装置２００はその感度指標値を用いて算出した欠陥抽出パラメータをパラメータテーブル２６２３と２６２４に表示する（Ｓ９０９）。ユーザが適用ボタン２６２７を押下すると、抽出条件記憶部２５０はその欠陥抽出パラメータを格納し、演算装置２００は以後その欠陥抽出パラメータを用いて試料１１０の欠陥を検査する（Ｓ９１０）。
＜実施の形態２＞
　実施形態１では、感度指標値の範囲を指定することにより各感度指標値に対応する欠陥抽出パラメータを最適化し、ユーザがそのなかから所望する要件を満たすものを選択する構成例を説明した。本発明の実施形態２では、感度指標値以外のパラメータを用いて同様の処理を実施する構成例を説明する。その他構成は実施形態１と同様であるため、以下では主に感度指標値に代えて用いるパラメータについて説明する。
　図１０は、本実施形態２においてユーザが欠陥検出パラメータを調整するために用いる設定画面２６３の例である。ユーザは、設定画面２６２に代えてまたは併用して、設定画面２６３を用いることができる。領域ラベル２６３１、パラメータテーブル２６３３、パラメータテーブル２６３４は図８で説明したものと同様である。
　ユーザは、欠陥捕捉率／虚報率／虚報残存率のいずれを基準として欠陥抽出パラメータを最適化するかを選択する。欠陥捕捉率は、（現在の欠陥抽出パラメータを用いて抽出した実報数）／（欠陥抽出パラメータの初期値を用いて抽出した実報数）によって求められる。虚報率は、（虚報数）／（実報数＋虚報数）によって求められる。虚報残存率は、（現在の欠陥抽出パラメータを用いて抽出した虚報数）／（欠陥抽出パラメータの初期値を用いて抽出した虚報数）によって求められる。なお、ここでの現在の欠陥抽出パラメータとは、Ｓ９０２で用いられた欠陥抽出パラメータを指している。ユーザはこれらのいずれを用いるかを選択し、さらに指標値欄２６２８に対して所望する範囲を入力する。図１０の例においては、欠陥捕捉率が６０～９０の範囲である欠陥抽出パラメータの組み合わせを全て求めるよう指示していることになる。ユーザが計算ボタン２６３９を押下すると、演算装置２００は指定にしたがって欠陥抽出パラメータの組み合わせを全て求める。指定条件を満たす欠陥抽出パラメータは、例えば網羅的に探索することによって得ることもできるし、公知の探索手法によって得ることもできる。
　欠陥捕捉率は、例えば８０％以上などのように指定することもできる。虚報率は、例えば４０％以下などのように指定することもできる。虚報残存率は、例えば１０％以下などのように指定することもできる。
　パラメータテーブル２６３２は、ユーザの指定にしたがって求めた欠陥抽出パラメータおよびその欠陥抽出パラメータを用いた場合における欠陥捕捉率／虚報率／虚報残存率を表示する。ユーザがいずれかの行を選択すると、パラメータテーブル２６３３と２６３４はその行に対応する欠陥抽出パラメータの詳細を表示する。
　図１１は、本実施形態２において演算装置２００が欠陥抽出パラメータを調整する手順を示すＰＡＤ図である。ステップＳ９００～Ｓ９０３、Ｓ９０６～Ｓ９０８、Ｓ９１０は図９と同様である。
（図１１：ステップＳ１１０１）
　ユーザは、設定画面２６３上でいずれのパラメータを基準として欠陥抽出パラメータを最適化するかを選択するとともに、その値範囲（または複数の値）を入力する（Ｓ１１０１）。演算装置２００は、ステップＳ９０６～Ｓ９０７を、入力された基準パラメータごとに（範囲を指定した場合は等間隔で）実施する（Ｓ１１０２）。
（図１１：ステップＳ１１０３）
　演算装置２００は、ユーザがパラメータテーブル２６３２上で選択した欠陥抽出パラメータの詳細を、パラメータテーブル２６３３と２６３４に表示する。
＜実施の形態３＞
　図１２Ａは、本発明の実施形態３における空間分類器２２２の内部構成を示すブロック図である。本実施形態３において空間分類器２２２は、実施形態１で説明した構成に加えて新たに内部演算ブロック２２２＿９～２２２＿１３を備える。以下これらを追加したことにともなう差異点について説明する。
　図１２Ｂは、内部演算ブロック２２２＿９～２２２＿１３の詳細を説明するブロック図である。内部演算ブロック２２２＿９は、正規化差分画素値３０７ａ～３０７ｃを受け取り、これらがそれぞれ閾値を超えているか２２２＿９内に設けた二値化判定ユニット２２２－９ａ、２２２－９ｂ、２２２－９ｃにおいて個別に判定する。各閾値は検出系ごとに異なる値とすることができる。この閾値は欠陥抽出パラメータとして抽出条件記憶部２５０が格納している。二値化判定結果は論理和ユニット２２２－９ｄに送られ、正規化差分画素値３０７ａ～３０７ｃいずれかが閾値以上である場合は、当該画素が欠陥である旨の出力を内部演算ブロック２２２＿１３に対して引き渡す。
　内部演算ブロック２２２＿１０と２２２＿１１は、内部演算ブロック２２２＿１２と同様の処理を実施する。まず、内部演算ブロック２２２＿１２について説明する。２２２－１２ａ、２２２－１２ｂ、２２２－１２ｃは２２２－１２内に設けた二値化判定ユニットであり、２２２－９ａ、２２２－９ｂ、２２２－９ｃと同様の機能を有する。２２２－１２ａ、２２２－１２ｂ、２２２－１２ｃの出力は論理積ユニット２２２－１２ｄに送られ、正規化差分画素値３０７ａ～３０７ｃすべてが閾値以上である場合は欠陥候補である旨判定を行い、これを内部演算ブロック２２２＿１３に対して引き渡す。２２２－１２ａ、２２２－１２ｂ、２２２－１２ｃで用いる閾値は抽出条件記憶部２５０内にあらかじめ格納しておき、さらに欠陥抽出パラメータとして調整することができる。
　内部演算ブロック２２２＿１０と２２２＿１１は、内部演算ブロック２２２＿１２と同様の機能を有するが、内部に設けた二値化判定ユニットに与える閾値は２２２－１２ａ、２２２－１２ｂ、２２２－１２ｃで用いるものと異なる値を設定する。閾値は抽出条件記憶部２５０内にあらかじめ格納しておき、さらに欠陥抽出パラメータとして調整することができる。
　一般的には２２２＿９内に設けた二値化判定ユニット２２２－９ａ、２２２－９ｂ、２２２－９ｃで適用されるしきい値は、２２２＿１０、２２２＿１１、２２２＿１２で用いるしきい値に対して大きな値を設定する。
　内部演算ブロック２２２＿１３は、内部演算ブロック２２２＿１０～２２２＿１２いずれかが欠陥であると判定した画素は欠陥候補であるとみなす。２２２＿１０～２２２＿１２は２２２＿１３に設けられた論理和ユニット２２２＿１３ａに導かれ、論理和をとる。さらにこの出力は論理積ユニット２２２＿１３ｂに導かれる。
　内部演算ブロック２２２＿１３は、論理和ユニット２２２＿８からの出力を受け取る。２２３＿１３ｂは、論理和ユニット２２２＿８が欠陥候補であると判定した画素でかつ２２２＿１３ａが欠陥とみなしたものを、欠陥候補として出力する。これにより、内部演算ブロック２２２＿１～２２２＿８と内部演算ブロック２２２＿９～２２２＿１２双方によって顕在化した欠陥のみを抽出できるので、虚報を抑制することができる。この結果は２２２＿１３ｃに出力される。
　さらに多面的に検証するためそれぞれ異なる閾値を用いている。内部演算ブロック２２２＿１２は、いずれかの検出系において閾値を大幅に超えている場合はその画素は欠陥であるという想定に基づく。２２２＿１２の出力は２２２＿１３に設けられた論理和ユニット、２２２＿１３ｃに導かれ、２２２＿１３ｂの出力との論理和を算出して最終的な欠陥判定出力２２２＿ｏｕｔを出力する。これらを併用することにより、欠陥候補をより正確に抽出することができる。
　図１３は、本実施形態３における空間分類器２２２が欠陥とノイズを分離する様子を示す概念図である。説明の便宜上、２つの特徴量をそれぞれ空間軸とする２次元特徴量空間における例を示した。○印は実報、×印は虚報、△印は未検出の虚報である。
　判別面１３０１は、内部演算ブロック２２２＿１～２２２＿８が欠陥抽出パラメータの初期値を用いて欠陥を抽出する基準となる境界面である。境界面よりも上に配置された欠陥候補は空間分類器２２２によって欠陥として判定される。したがって、○印と×印が欠陥として判定される。
　判別面１３０２は、欠陥抽出パラメータを調整した後における境界面である。この場合は×印の一部と○印が欠陥として判定される。欠陥抽出パラメータをさらに調整することにより判別面が１３０３になった場合、判別面１３０１において検出した欠陥を全て検出するとともに虚報を全て排除することができる。しかし他方で判別面１３０１において未検出であった欠陥候補も欠陥として検出することになるので、誤検出のおそれがある。
　これを避けるためには、例えば判別面１３０１の切片１３０４と１３０５に仮想的な虚報を作成し、これら仮想虚報が属する分類に対して大きな重みを与え、当該分類に属する欠陥候補が実報として検出され難くするとよい。これにより、判別面１３０３のような境界面がセットされることを回避できる。
　その他手段としては、内部演算ブロック２２２＿９～２２２＿１２によって新たな判別面１３０６や１３０７をセットすることが考えられる。これにより、判別面１３０３、１３０６、１３０７の右上領域における欠陥候補のみが欠陥として検出されるので、実報のみを正確に抽出することができる。
＜実施の形態４＞
　図１４は、本発明の実施形態４においてユーザが欠陥検出パラメータを調整するために用いる設定画面２６４の例である。画面の上半分は設定画面２６２と同様である。ただしユーザは領域ラベル欄２６２１に対して全領域を一括して選択する旨を入力する。演算装置２００は、全領域ラベルについて一括して実施形態１と同様の手順により実報数／虚報数などを算出し、集計欄２６４１はその結果を表示する。具体的には、全領域ラベルについて検出した実報数／虚報数／未分類数、実報率／虚報率／欠陥捕捉率／欠陥残存率などの集計結果を表示する。これらのうちいずれかを選択的に表示してもよい。
　本実施形態４においては、式１や式２において全領域について包括的に最適化を実施する。これにより、欠陥が発生しやすい領域における検出感度が高くなるとともに、虚報の多い領域における検出感度が下がるといった自動調整がおこなわれる。全領域について一括して感度指標値を調整することができるので、欠陥抽出パラメータを調整する負担をさらに抑制することができる。
＜実施の形態５＞
　本発明の実施形態５では、演算装置２００が欠陥を検出するために用いる具体的な演算式について説明する。欠陥検査装置１００および演算装置２００の構成は実施形態１～４と同様である。
　演算装置２００が欠陥候補を抽出する条件は、下記式３によって表される。Ｇｉは空間分類器２２２が内部的に用いる係数であり、各内部演算ブロック（図５においては７個）がそれぞれ用いる係数の配列である。Ｘは特徴量の配列であり、特徴量空間の次元数と同じ個数の要素を有する。Ｔｈｉは検出閾値である。
Figure JPOXMLDOC01-appb-M000003
　上記式３は、下記式４のように置き換えることができる。ｊは、欠陥候補のｉｎｄｅｘである。ｔ（ｊ）は、実報であれば１、虚報であればー１とする。ｃｌａｓｓ（ｊ）は、欠陥候補ｊが属する分類である。Ｃ（）はコストであり、欠陥が検出されない場合に実報クラスに対して与え、または虚報が検出される場合に虚報クラスに対して与える。ξｉはスラックス変数である。
Figure JPOXMLDOC01-appb-M000004
　式４において、ＫＧｉ＝ｗｉ、ＫＴｈｉ＝ｂｉと置き換えると、演算装置２００は下記式５で表される最適化問題を解くことにより欠陥を検出することができる。Ｊ（ｊ）は、ｉが現在値以外であるとき既に欠陥が検出されている場合は１以下の値をセットし、そうでなければ１をセットする。
Figure JPOXMLDOC01-appb-M000005
＜本発明の変形例について＞
　本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。
　上記各構成、機能、処理部、処理手段等は、それらの一部や全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリ、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）等の記録装置、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に格納することができる。
　１００：欠陥検査装置、１１０：試料、２００：演算装置、２１０：画像処理部、２２０：欠陥判定部、２３０：画像記憶部、２４０：抽出条件算出部、２５０：抽出条件記憶部、２６０：表示部、２７０：ＤＲ－ＳＥＭ。

Claims (15)

  1. 　検査対象が有する欠陥を検査する欠陥検査装置であって、
    　前記検査対象の外観画像を生成する画像生成部、
    　前記外観画像の特徴量を算出する特徴量算出部、
    　前記検査対象の欠陥を抽出する条件の初期値を記述した抽出条件データを格納する記憶部、
    　前記特徴量と前記条件とを比較することにより前記検査対象が有する欠陥を抽出する欠陥判定部、
    　前記欠陥判定部が抽出した欠陥を表す情報を出力する出力部、
    　前記欠陥判定部が抽出した欠陥が実報と虚報のいずれであるかを指定する指定入力を受け取るインターフェース、
    　を備え、
    　前記欠陥判定部は、前記インターフェースを介して複数の基準値を受け取るとともに、実報数と虚報数と前記基準値を用いて算出される評価値が最適になる前記条件を、前記基準値ごとに算出し、
    　前記欠陥判定部は、前記基準値ごとに算出した前記条件を用いて前記検査対象が有する欠陥を抽出し、
    　前記出力部は、前記欠陥判定部が前記基準値ごとに算出した前記条件を前記基準値ごとにそれぞれ出力するとともに、前記欠陥判定部が前記基準値ごとに算出した前記条件を用いて抽出した欠陥を表す情報を出力する
    　ことを特徴とする欠陥検査装置。
  2. 　前記欠陥判定部は、前記実報数と前記虚報数の合計に対する前記実報数の比率を表す実報率を算出し、前記実報率を用いて前記評価値を算出することにより、前記条件として前記実報率を用いて欠陥を抽出する
    　ことを特徴とする請求項１記載の欠陥検査装置。
  3. 　前記欠陥判定部は、前記基準値として、前記評価値における前記実報率の重みを指定する数値を受け取り、その重みを用いて前記評価値を算出する
    　ことを特徴とする請求項２記載の欠陥検査装置。
  4. 　前記欠陥判定部は、前記検査対象が有する欠陥を前記特徴量にしたがって分類するとともに、前記欠陥の分類ごとに重み係数をセットし、
    　前記欠陥判定部は、前記分類のうち前記実報に属するものについては、前記重み係数が大きいほど前記評価値が高くなるように前記重み係数を設定するとともに、前記分類のうち前記虚報に属するものについては、前記重み係数が大きいほど前記評価値が低くなるように前記重み係数を設定する
    　ことを特徴とする請求項１記載の欠陥検査装置。
  5. 　前記欠陥判定部は、前記基準値として、前記条件の初期値を用いて検出した前記実報数に対する前記実報数の比率を表す欠陥捕捉率の数値を受け取り、
    　前記欠陥判定部は、前記欠陥捕捉率を用いて前記評価値を算出することにより、前記条件として前記欠陥捕捉率を用いて欠陥を抽出する
    　ことを特徴とする請求項１記載の欠陥検査装置。
  6. 　前記欠陥判定部は、前記基準値として、前記実報数と前記虚報数の合計に対する前記虚報数の比率を表す虚報率の数値を受け取り、
    　前記欠陥判定部は、前記虚報率を用いて前記評価値を算出することにより、前記条件として前記虚報率を用いて欠陥を抽出する
    　ことを特徴とする請求項１記載の欠陥検査装置。
  7. 　前記欠陥判定部は、前記基準値として、前記条件の初期値を用いて検出した前記虚報数に対する前記虚報数の比率を表す欠陥残存率の数値を受け取り、
    　前記欠陥判定部は、前記欠陥残存率を用いて前記評価値を算出することにより、前記条件として前記欠陥残存率を用いて欠陥を抽出する
    　ことを特徴とする請求項１記載の欠陥検査装置。
  8. 　前記欠陥検査装置は、前記検査対象を撮像することにより前記外観画像の画素値を取得して前記画像生成部に対して引き渡す検出系を複数備え、
    　前記欠陥検査装置はさらに、前記検出系が取得した前記外観画像の画素値と参照画像の画素値との間の差分を前記検出系ごとに算出する差分算出器を備え、
    　前記欠陥判定部は、１以上の前記検出系について前記差分算出器がそれぞれ算出した前記差分の線形和を求め、前記線形和が第１判定閾値を超えている場合は、前記差分に対応する画素が欠陥であると判定する
    　ことを特徴とする請求項１記載の欠陥検査装置。
  9. 　前記欠陥検査装置は、前記検査対象を撮像することにより前記外観画像の画素値を取得して前記画像生成部に対して引き渡す検出系を複数備え、
    　前記欠陥検査装置はさらに、前記検出系が取得した前記外観画像の画素値と参照画像の画素値との間の差分を前記検出系ごとに算出する差分算出器を備え、
    　前記欠陥判定部は、前記検出系ごとに同一または異なる第２判定閾値をあらかじめセットし、前記差分が全ての前記検出系について前記第２判定閾値を超えている場合は、前記差分に対応する画素が欠陥であると判定する
    　ことを特徴とする請求項１記載の欠陥検査装置。
  10. 　前記欠陥判定部は、前記検出系ごとに同一または異なる第２判定閾値をあらかじめセットし、
    　前記欠陥判定部は、前記線形和が前記第１判定閾値を超えており、かつ前記差分が全ての前記検出系について前記第２判定閾値を超えている場合は、前記差分に対応する画素が欠陥であると判定する
    　ことを特徴とする請求項８記載の欠陥検査装置。
  11. 　前記画像生成部は、前記検査対象の部分領域について前記外観画像を生成するとともに前記部分領域の識別子を前記外観画像に対して付与し、
    　前記欠陥判定部は、前記検査対象が有する欠陥を前記部分領域ごとに抽出する
    　ことを特徴とする請求項１記載の欠陥検査装置。
  12. 　前記画像生成部は、前記検査対象の部分領域について前記外観画像を生成するとともに前記部分領域の識別子を前記外観画像に対して付与し、
    　前記欠陥判定部は、前記検査対象が有する欠陥を全ての前記部分領域について一括して抽出するとともに、全ての前記部分領域についての前記実報数と前記虚報数を用いて前記評価値を算出することにより、全ての前記部分領域の総和に対して前記評価値を最適化する
    　ことを特徴とする請求項１記載の欠陥検査装置。
  13. 　前記欠陥検査装置は、
    　　複数の前記検査対象の外観画像を合成することにより参照画像を生成する参照画像生成部、
    　　前記外観画像の画素値と前記参照画像の画素値との間の差分を算出する差分算出部、
    　　前記検査対象が有する欠陥を前記特徴量にしたがって分類するクラスタリング部、
    　　前記差分算出部が算出した差分と前記クラスタリング部による分類結果とを用いて前記外観画像の画素値のばらつきを算出するノイズ推定部、
    　　前記ノイズ推定部が算出したばらつきを前記差分算出部が算出した差分によって正規化するとともに前記正規化によって得られた画素値と第１閾値とを比較することにより欠陥候補を抽出する正規化器、
    　　前記欠陥候補の特徴量を算出する正規化特徴量算出器、
    　　前記正規化特徴量算出器が算出した特徴量と第２閾値とを比較することにより前記正規化器が抽出した欠陥候補からさらに最終的な欠陥候補を抽出する判定器、
    　を備えることを特徴とする請求項１記載の欠陥検査装置。
  14. 　前記欠陥判定部は、前記基準値ごとに算出した前記条件のうちいずれを用いるかを指定する指示を受け取り、その条件を用いて前記検査対象が有する欠陥を抽出する
    　ことを特徴とする請求項１記載の欠陥検査装置。
  15. 　検査対象が有する欠陥を検査する欠陥検査方法であって、
    　前記検査対象の外観画像を生成する画像生成ステップ、
    　前記外観画像の特徴量を算出する特徴量算出ステップ、
    　前記検査対象の欠陥を抽出する条件の初期値を記述した検出条件データを記憶部から読み取るステップ、
    　前記特徴量と前記条件とを比較することにより前記検査対象が有する欠陥を抽出する欠陥判定ステップ、
    　前記欠陥判定ステップにおいて抽出した欠陥を表す情報を出力する出力ステップ、
    　前記欠陥判定ステップにおいて抽出した欠陥が実報と虚報のいずれであるかを指定する指定入力を受け取るステップ、
    　を有し、
    　前記欠陥判定ステップにおいてはさらに、複数の基準値を受け取るとともに、実報数と虚報数と前記基準値を用いて算出される評価値が最適になる前記条件を、前記基準値ごとに算出し、
    　前記欠陥判定ステップにおいてはさらに、前記基準値ごとに算出した前記条件を用いて前記検査対象が有する欠陥を抽出し、
    　前記出力ステップにおいてはさらに、前記欠陥判定ステップにおいて前記基準値ごとに算出した前記条件を出力するとともに、前記欠陥判定ステップにおいて前記基準値ごとに算出した前記条件を用いて抽出した欠陥を表す情報を出力する
    　ことを特徴とする欠陥検査方法。
PCT/JP2016/060375 2016-03-30 2016-03-30 欠陥検査装置、欠陥検査方法 WO2017168630A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020187022692A KR102084535B1 (ko) 2016-03-30 2016-03-30 결함 검사 장치, 결함 검사 방법
US16/085,890 US10466181B2 (en) 2016-03-30 2016-03-30 Flaw inspection device and flaw inspection method
PCT/JP2016/060375 WO2017168630A1 (ja) 2016-03-30 2016-03-30 欠陥検査装置、欠陥検査方法
US16/661,305 US10816484B2 (en) 2016-03-30 2019-10-23 Flaw inspection device and flaw inspection method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/060375 WO2017168630A1 (ja) 2016-03-30 2016-03-30 欠陥検査装置、欠陥検査方法

Related Child Applications (2)

Application Number Title Priority Date Filing Date
US16/085,890 A-371-Of-International US10466181B2 (en) 2016-03-30 2016-03-30 Flaw inspection device and flaw inspection method
US16/661,305 Continuation US10816484B2 (en) 2016-03-30 2019-10-23 Flaw inspection device and flaw inspection method

Publications (1)

Publication Number Publication Date
WO2017168630A1 true WO2017168630A1 (ja) 2017-10-05

Family

ID=59962761

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2016/060375 WO2017168630A1 (ja) 2016-03-30 2016-03-30 欠陥検査装置、欠陥検査方法

Country Status (3)

Country Link
US (2) US10466181B2 (ja)
KR (1) KR102084535B1 (ja)
WO (1) WO2017168630A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3961332A1 (en) * 2016-11-14 2022-03-02 Koh Young Technology Inc. Method and device for adjusting quality determination conditions for test body
US11366068B2 (en) 2016-11-14 2022-06-21 Koh Young Technology Inc. Inspection apparatus and operating method thereof
JP7416071B2 (ja) 2019-08-23 2024-01-17 コニカミノルタ株式会社 判定装置、および判定プログラム

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11047806B2 (en) * 2016-11-30 2021-06-29 Kla-Tencor Corporation Defect discovery and recipe optimization for inspection of three-dimensional semiconductor structures
US11237119B2 (en) * 2017-01-10 2022-02-01 Kla-Tencor Corporation Diagnostic methods for the classifiers and the defects captured by optical tools
WO2018216629A1 (ja) * 2017-05-22 2018-11-29 キヤノン株式会社 情報処理装置、情報処理方法、及びプログラム
US10460434B2 (en) * 2017-08-22 2019-10-29 Applied Materials Israel Ltd. Method of defect detection and system thereof
US10902582B2 (en) * 2019-01-17 2021-01-26 Applied Materials Israel, Ltd. Computerized system and method for obtaining information about a region of an object
JP7316850B2 (ja) * 2019-06-21 2023-07-28 東京エレクトロン株式会社 処理システム及び処理方法
CN113888772B (zh) * 2021-09-30 2024-04-26 江苏欧软信息科技有限公司 一种基于mes的信息录入应急系统及其处理方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004177139A (ja) * 2002-11-25 2004-06-24 Renesas Technology Corp 検査条件データ作成支援プログラム及び検査装置及び検査条件データ作成方法
JP2004239728A (ja) * 2003-02-05 2004-08-26 Hitachi High-Technologies Corp パターン検査方法及び装置
JP2005017159A (ja) * 2003-06-27 2005-01-20 Hitachi High-Technologies Corp 欠陥検査装置における検査レシピ設定方法および欠陥検査方法
JP2013224942A (ja) * 2012-04-19 2013-10-31 Applied Materials Israel Ltd 自動欠陥分類のための未知欠陥除去の最適化

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1633534B1 (en) * 2003-04-28 2018-09-12 Nikon Metrology NV Cmm arm with exoskeleton
US6985220B1 (en) 2003-08-20 2006-01-10 Kla-Tencor Technologies Corporation Interactive threshold tuning
GB0508395D0 (en) * 2005-04-26 2005-06-01 Renishaw Plc Method for scanning the surface of a workpiece
JP5943547B2 (ja) * 2007-08-17 2016-07-05 レニショウ パブリック リミテッド カンパニーＲｅｎｉｓｈａｗ Ｐｕｂｌｉｃ Ｌｉｍｉｔｅｄ Ｃｏｍｐａｎｙ 非接触測定を行う装置および方法
GB0716218D0 (en) * 2007-08-20 2007-09-26 Renishaw Plc Measurement path generation
GB0909635D0 (en) * 2009-06-04 2009-07-22 Renishaw Plc Vision measurement probe
JP5537282B2 (ja) * 2009-09-28 2014-07-02 株式会社日立ハイテクノロジーズ 欠陥検査装置および欠陥検査方法
JP5433631B2 (ja) * 2011-05-20 2014-03-05 株式会社日立ハイテクノロジーズ 半導体デバイスの欠陥検査方法およびそのシステム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004177139A (ja) * 2002-11-25 2004-06-24 Renesas Technology Corp 検査条件データ作成支援プログラム及び検査装置及び検査条件データ作成方法
JP2004239728A (ja) * 2003-02-05 2004-08-26 Hitachi High-Technologies Corp パターン検査方法及び装置
JP2005017159A (ja) * 2003-06-27 2005-01-20 Hitachi High-Technologies Corp 欠陥検査装置における検査レシピ設定方法および欠陥検査方法
JP2013224942A (ja) * 2012-04-19 2013-10-31 Applied Materials Israel Ltd 自動欠陥分類のための未知欠陥除去の最適化

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3961332A1 (en) * 2016-11-14 2022-03-02 Koh Young Technology Inc. Method and device for adjusting quality determination conditions for test body
US11366068B2 (en) 2016-11-14 2022-06-21 Koh Young Technology Inc. Inspection apparatus and operating method thereof
JP7416071B2 (ja) 2019-08-23 2024-01-17 コニカミノルタ株式会社 判定装置、および判定プログラム

Also Published As

Publication number Publication date
US20190094155A1 (en) 2019-03-28
KR20180102117A (ko) 2018-09-14
US20200057003A1 (en) 2020-02-20
US10816484B2 (en) 2020-10-27
US10466181B2 (en) 2019-11-05
KR102084535B1 (ko) 2020-03-05

Similar Documents

Publication Publication Date Title
WO2017168630A1 (ja) 欠陥検査装置、欠陥検査方法
WO2018061067A1 (ja) 欠陥検査装置及び欠陥検査方法
JP7200113B2 (ja) 深くスタック化された層を有するウェハにおいて欠陥分類器を訓練して適用するためのシステムと方法
KR102307415B1 (ko) 다중 모드들을 갖는 가상 검사 시스템
KR102079418B1 (ko) 웨이퍼 상의 결함 검출
US9607233B2 (en) Classifier readiness and maintenance in automatic defect classification
TW202029071A (zh) 用於判定空白光罩上之缺陷之類型及尺寸之系統及方法
TWI631638B (zh) 由參考影像改變之檢測方式設定
US20130202188A1 (en) Defect inspection method, defect inspection apparatus, program product and output unit
CN112840205B (zh) 基于设计及噪声的关注区域
TW201511157A (zh) 使用設計資料於半導體晶圓上偵測重複缺陷之方法及系統
KR20220014805A (ko) 반도체 시편의 검사에 사용가능한 훈련 데이터의 생성
US10670536B2 (en) Mode selection for inspection
JP2019061484A (ja) 画像処理装置及びその制御方法及びプログラム
Marée The need for careful data collection for pattern recognition in digital pathology
JP5794629B2 (ja) 表面検査装置、表面検査方法、表面検査プログラム、およびコンピュータ読み取り可能な記録媒体
US20220138939A1 (en) Systems and Methods for Digital Pathology
TWI785270B (zh) 在一晶圓上偵測一邏輯區域中之缺陷
JP2023145412A (ja) 欠陥検出方法及びシステム
JP5530126B2 (ja) 三次元細胞画像解析システム及びそれに用いる三次元細胞画像解析装置
KR20220066168A (ko) 측정 대상 물질의 스펙트럼 정보를 추출하는 방법
CN110441315A (zh) 电子部件测试设备和方法
Korzynska et al. The METINUS Plus method for nuclei quantification in tissue microarrays of breast cancer and axillary node tissue section
KR20150060771A (ko) 산화철의 결정의 자동 형태 계측 및 분류
JP2021068745A (ja) 欠陥分類装置、欠陥分類プログラム

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 20187022692

Country of ref document: KR

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 1020187022692

Country of ref document: KR

NENP Non-entry into the national phase

Ref country code: DE

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16896849

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 16896849

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP