画像分類方法および画像分類装置
【課題】半導体ウェハ上の欠陥を撮像した画像を，ユーザが定義したクラスごとに自動で分類する装置において，異なる複数の観察装置で撮像した画像が混在して入力された場合，観察装置の違いによる画像の性質の差により，欠陥画像の分類正解率が低下することを防止する。
【解決手段】複数の観察装置で撮像した欠陥画像が入力となる画像自動分類装置において，レシピを作成する際に観察装置ごとに画像処理パラメータの調整と分類識別面の作成を行い，画像の分類時には，欠陥画像を撮像した観察装置を画像の付帯情報などをもとに特定し，画像を撮像した観察装置に応じた画像処理パラメータと分類識別面を用いて，画像処理と分類処理を行うようにした。また，観察装置ごとの画像処理パラメータ調整を効率的に行うために，教示された欠陥領域をもとに適切な画像処理パラメータを自動調整するようにした。
【解決手段】複数の観察装置で撮像した欠陥画像が入力となる画像自動分類装置において，レシピを作成する際に観察装置ごとに画像処理パラメータの調整と分類識別面の作成を行い，画像の分類時には，欠陥画像を撮像した観察装置を画像の付帯情報などをもとに特定し，画像を撮像した観察装置に応じた画像処理パラメータと分類識別面を用いて，画像処理と分類処理を行うようにした。また，観察装置ごとの画像処理パラメータ調整を効率的に行うために，教示された欠陥領域をもとに適切な画像処理パラメータを自動調整するようにした。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は，画像の分類に関するものであって，特に半導体製品の製造中に発生したパタン欠陥や付着異物などを撮像した欠陥画像を分類する方法および分類する装置に関するものである。
【背景技術】
【０００２】
半導体ウェハの製造工程においては，種々の製造装置などから発生した異物などによる回路パタンのショートや，製造プロセスの条件設定不具合などにより回路パタンの形成不良などが発生する場合がある。欠陥が発生した半導体チップは，製品として不良となるため製品歩留まりが低下する。そのため，欠陥の発生原因を早期に特定し対策を施すことが製品歩留まり向上のために重要である。
【０００３】
欠陥の発生原因を特定するために，半導体ウェハの製造ラインでは欠陥検査装置と観察装置が用いられている。欠陥検査装置とは，光学的手段もしくは荷電粒子線を用いる撮像手段を用いて画像を撮像し，撮像した画像を解析し，欠陥の位置を特定して出力する装置である。欠陥検査装置は広範囲を高速に検査することが重要となるため，撮像した画像の解像度が低く，発生した欠陥の詳細を観察し発生原因を特定することは困難である。そこで、欠陥検査装置が出力した欠陥座標の位置を，高解像度で撮像する観察装置が用いられている。近年では，半導体製造プロセスの微細化が進み，観察が必要な欠陥のサイズも数十nmのオーダに達しているため，分解能が数nmオーダの走査型電子顕微鏡を用いた観察装置が広く使われている。
【０００４】
欠陥の発生原因を特定し，製造プロセスにフィードバックするために，製造プロセスの各段階において欠陥検査と観察を行い，発生している欠陥の種類を特定することが行われている。例えば，欠陥検査装置が出力した数百点程度の欠陥座標の中から，ランダムにサンプリングした数十点程度の欠陥点について観察装置で欠陥画像を撮像し，欠陥の分類を行うということが行われている。
【０００５】
しかし，近年，半導体製造プロセスの微細化に伴い欠陥検査装置の出力における虚報が増加し，欠陥検査装置が出力する数千点の中から数十点程度をランダムにサンプリングした場合には，致命となる欠陥を観察できない場合がある。また，製造プロセスの多様化により，発生する欠陥の種類も多様となってきており，より多く（例えば数百枚）の欠陥画像を収集し，欠陥種ごとの発生頻度を評価することが重要となっている。そのため，取得した数百枚程度の欠陥画像を，その発生原因別または外観の特徴別に自動分類（ＡＤＣ：Ａｕｔｏｍａｔｉｃ Ｄｅｆｅｃｔ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ）することが行われている。
【０００６】
自動分類の一方法としては，画像処理により欠陥部位の外観特徴量を定量化し，ニューラルネットワークを用いて分類する方法が特許文献１に記載されている。また，分類すべき欠陥の種類が多い場合においても容易に対応可能な方法として，ルールベース分類手法と教示分類手法を組み合わせて分類する方法が，特許文献２に記載されている。
【０００７】
従来，欠陥画像の分類は人が観察装置の前で手動で行っていたという経緯もあり，観察装置は機能の一部として，欠陥画像の自動分類機能を備えているのが一般的である。しかし，半導体製品の生産量増加に伴い，半導体ウェハの製造ラインにおいて複数台の観察装置が導入されており，分類レシピの管理にかかるコストの増大が問題となってきている。この問題に対し，複数台の観察装置と画像自動分類装置をネットワークで接続し，撮像した画像を画像自動分類装置に転送し，分類を行うこと方法が特許文献３に記載されている。これにより画像や分類レシピの管理の一元化が可能となり管理コストの低減が可能となる。また，分類レシピの作成時に必要な欠陥クラスの教示方法のひとつとして，アイコン化された欠陥画像を各クラスに割り当てられたウィンドウ領域に移動させることで容易かつ効率的に教示を行う方法が特許文献４に記載されている。
【先行技術文献】
【特許文献】
【０００８】
【特許文献１】特開平８−２１８０３号公報
【特許文献２】特開２００７−２２５５３１号公報
【特許文献３】特開２００４−２２６３２８号公報
【特許文献４】特開２０００−１６２１３５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００９】
上記の通り、半導体ウェハを高い歩留まりで生産するためには，製造プロセスで発生した欠陥種ごとに発生頻度を把握し，致命的な欠陥の発生原因を特定し，早期に製造プロセスにフィードバックすることが重要である。ここで欠陥種ごとの発生頻度を正確に把握するためには，観察装置で撮像した数百枚程度の欠陥画像を自動分類することが重要となる。また、自動分類に関しては，画像や分類レシピの管理コスト低減の観点から，複数台の観察装置に対して，１台又は観察装置より少ない台数の画像自動分類装置で行えることが必要である。この場合，撮像して得た欠陥画像の性質が異なる複数の撮像装置の画像が画像自動分類装置に混在して入力されるため，入力される欠陥画像の性質が一定であることを想定していた従来の画像自動分類装置では，大きく２つの問題により分類正解率が低下する。１つ目の問題は，画像自動分類装置での欠陥領域を抽出する処理において，観察装置の違いによる画質の差により，同一のパラメータで処理しても抽出結果が異なることである。図１は，その一例を示した図であり，２台の観察装置（ここでは観察装置Ａと観察装置Ｂと記載する）で同一の欠陥を撮像し，同一のパラメータで欠陥領域抽出処理を実行した結果を示している。観察装置Ａで撮像した欠陥画像１０１に対して欠陥領域抽出処理を実行した結果，領域１０２に示したように正しい欠陥領域を抽出できたとする。一方の観察装置Ｂで撮像した欠陥画像１０３に対して同一パラメータで欠陥領域抽出処理を実行すると，画像の性質の違いにより領域１０４に示したように，欠陥の領域を正しく抽出できない場合がある。２つ目の問題は，画像自動分類装置では欠陥画像から欠陥の特徴（画像上での明るさや，形状など）を定量化し，分類する際の判断材料とするが，同種の欠陥においても，撮像装置の違いにより画像上での見た目が異なる場合，定量化結果が異なることである。図２は観察装置Ａと観察装置Ｂで撮像した２種類の欠陥（例えば，ショートと異物欠陥）について，ｎ次元の特徴量空間２０１における分布を模式的に表した図である。観察装置の違いにより欠陥画像の画質が異なると，例えば，ショート欠陥は観察装置に依らず同様の分布２０２を取るが，異物欠陥においては観察装置Ａで撮像した異物欠陥は分布２０３に分布し，観察装置Ｂで撮像した異物欠陥は分布２０４に分布するといったことが発生し得る。この場合，１台の観察装置で撮像した場合と比較し，特徴量空間における分布の分離度が低下し，分類性能が低下する。
【００１０】
そこで、画像自動分類装置では，異なる観察装置で撮像した画像が混在して入力された場合においても，観察装置の違いによる画像の性質の差を吸収し，欠陥種ごとに正しく分類することが求められる。
【課題を解決するための手段】
【００１１】
上記の課題を解決するために，複数台の観察装置で撮像した欠陥画像が入力となる画像自動分類装置において，欠陥画像を撮像した観察装置を画像の付帯情報などをもとに特定し，分類レシピを作成する際に観察装置ごとに画像処理パラメータの調整と分類識別面の作成を行い，画像の分類時には画像を撮像した観察装置に応じた画像処理パラメータと分類識別面を用いて，画像処理と分類処理を行うようにした。また，観察装置ごとの画像処理パラメータ調整を効率的に行うために，教示された欠陥領域をもとに適切な画像処理パラメータを自動で調整するようにした。また，任意の観察装置で調整した画像処理パラメータをもとに他の観察装置用の画像処理パラメータを設定するようにした。
【００１２】
本願において開示される発明のうち代表的なものの概要を簡単に説明すれば次の通りである。
（１）複数の異なる撮像装置で得られた複数の欠陥画像を欠陥の種類ごとに分類する画像分類方法であって、分類対象の欠陥画像の付帯情報を読み込むステップと、前記読み込まれた前記分類対象の欠陥画像の付帯情報に基づいて、前記複数の異なる撮像装置の中から前記分類対象の欠陥画像を撮像した撮像装置を特定するステップと、前記複数の異なる撮像装置ごとに予め作成された複数の分類パラメータの中から前記特定された撮像装置に対応する分類パラメータを読み込むステップと、前記読み込まれた分類パラメータを用いて前記分類対象の欠陥画像を分類するステップと、を有することを特徴とする画像分類方法である。
（２）複数の異なる撮像装置で得られた複数の欠陥画像を欠陥の種類ごとに分類する画像分類装置であって、前記複数の欠陥画像と、前記複数の欠陥画像各々に対応する複数の付帯情報と、前記複数の異なる撮像装置各々に対応する複数の分類パラメータと、を格納した記憶手段と、前記記憶手段から読み込まれた分類対象の欠陥画像に対応する付帯情報に基づいて、前記複数の異なる撮像装置の中から前記分類対象の欠陥画像を撮像した撮像装置を特定し、前記特定された撮像装置に対応する分類パラメータを選択して読み込む分類パラメータ選択手段と、前記分類パラメータ選択手段により選択して読み込まれた分類パラメータに基づいて前記分類対象の欠陥画像を分類する分類処理手段と、前記分類処理手段による分類結果を表示する表示手段と、を有することを特徴とする画像分類装置である。
【発明の効果】
【００１３】
本発明によれば，複数の観察装置で撮像した欠陥画像を分類する画像分類装置において，観察装置の違いによる画像の性質の差を吸収し，画像の性質の差による分類性能を低下させることなく，欠陥画像を分類可能な画像分類装置および画像分類方法を提供できる。
【図面の簡単な説明】
【００１４】
【図１】同一の欠陥を異なる観察装置で撮像して得た欠陥画像とこれらを同一パラメータで欠陥領域抽出処理した欠陥領域抽出結果を示す図である。
【図２】同一の欠陥を異なる観察装置で撮像して得た各欠陥画像の特徴量空間における分布を示す図である。
【図３】実施例１に係る画像分類装置の構成の概念図である。
【図４】観察装置の構成例を示す図である。
【図５】実施例１に係る画像自動分類装置と複数の観察装置の半導体製造ラインにおけるネットワーク接続関係を示す図である。
【図６】画像分類処理の処理フローを示す図である。
【図７】実施例１に係る分類レシピ作成処理フローを示す図である。
【図８】実施例１に係る画像処理パラメータ調整処理フローを示す図である。
【図９】実施例１に係る分類識別面作成処理フローを示す図である。
【図１０】実施例１に係る欠陥領域を教示するＧＵＩの一例を示す図である。
【図１１】実施例１に係る欠陥領域を教示するＧＵＩの他の例を示す図である。
【図１２】実施例１に係る画像処理パラメータの確認・調整が可能なＧＵＩの一例を示す図である。
【図１３】観察装置Ａで撮像した欠陥画像を分類するための分類識別面作成結果の一例を示す図である。
【図１４】観察装置Ａで撮像した欠陥画像を分類するための分類識別面作成結果の一例を示す図である。
【図１５】実施例２に係る分類レシピ作成処理フローを示す図である。
【図１６】実施例２に係る画像処理パラメータ調整処理フローを示す図である。
【図１７】実施例２に係る観察装置間のパラメータ対応関係を表したルックアップテーブルの一例である。
【図１８】実施例２に係る画像分類装置の構成を示した図である。
【発明を実施するための形態】
【実施例１】
【００１５】
以下に、画像分類装置の第一の実施例について説明する。本実施例では走査型電子顕微鏡（ＳＥＭ：Ｓｃａｎｎｉｎｇ Ｅｅｌｅｃｔｒｏｎ Ｍｉｃｒｏｓｃｏｐｅ）を備えた観察装置で撮像した画像を分類する場合を対象に説明するが，本実施形態に係る画像分類装置への入力はＳＥＭ画像以外でも良く，例えば、光学式の撮像手段を用いて撮像した画像でも良い。さらに，光学式の撮像手段で撮像した画像や，ＳＥＭなどの荷電粒子線を用いて撮像された画像など，撮像手段が異なる欠陥画像が混在して入力されても良い。
【００１６】
図３は本実施形態に係る画像分類装置の構成の概念図を示しており，画像分類装置全体の制御を行う全体制御部３０１と，プログラムに従い演算を行う演算部３０２と，磁気ディスクや半導体メモリなどに情報を記憶する記憶部３０３と，ユーザとの情報の入出力を制御するユーザインターフェース部３０４と，ネットワークを介して他の観察装置などと通信を行うネットワークインターフェース部３０５と，外部の記憶媒体との入出力を行う外部記憶媒体入出力部３０６とを適宜用いて構成される。このうち，演算部３０２は、画像の処理を行う画像処理演算部３０７と，分類処理を行う分類処理演算部３０８と、後述する分類パラメータを作成する分類パラメータ作成部３１４と、分類パラメータを選択する分類パラメータ選択部３１３と、を適宜用いて構成される。また，記憶部３０３には画像を記憶する画像記憶部３０９と，画像の付帯情報を記憶する付帯情報記憶部３１０，画像処理パラメータや分類識別面など分類に用いる条件を記憶するレシピ記憶部３１１が含まれる。また，ユーザインターフェース部３０４には，キーボードやマウス，ディスプレイなどから構成される入出力端末３１２が接続されている。
【００１７】
図４は観察装置の一例としてＳＥＭを備えた観察装置の構成を示す。観察装置は，電子光学系カラム４０１と，ＳＥＭ制御部４０２と，記憶部４０３と，外部記憶媒体入出力部４０４と，ユーザインターフェース部４０５と，ネットワークインターフェース部４０６とを適宜用いて構成される。さらに、電子光学系カラム４０１は，試料ウェハ４０７を搭載する可動ステージ４０８と，試料ウェハ４０７に電子ビームを照射するため電子源４０９と，電子ビームの照射により試料ウェハ４０７から発生した２次電子や反射電子などを検出する複数の検出器４１０の他，電子ビームを試料ウェハ４０７上で走査するための偏向器（図示せず）や，検出器４１０からの信号をデジタル変換してデジタル画像を生成する画像生成部４１１等を適宜用いて構成される。なお，記憶部４０３は，取得された画像データを記憶する画像記憶部４１３と，各画像撮像時の付帯情報（加速電圧やプローブ電流，撮像視野サイズ，観察装置管理用ＩＤ，撮像日時，撮像座標など）を記憶する付帯情報記憶部４１４とを含む。ＳＥＭ制御部４０２は，画像取得などの処理を制御する部位である。ＳＥＭ制御部４０２からの指示により，試料ウェハ４０７上の所定の検査部位を撮像視野に入れるための可動ステージ４０８の移動，試料ウェハ４０７への電子ビームの照射，検出器４１０で検出したデータの画像化及び記憶部４０３への保存などが行われる。操作者であるユーザからの各種の指示や撮像条件の指定などは，ユーザインターフェース部４０５と接続され、キーボード，マウスやディスプレイなどを用いて構成される入出力端末４１２を介して行われる。
【００１８】
図５は本実施形態に係る画像分類装置と複数の観察装置の半導体製造ラインにおけるネットワーク接続関係を示したものである。画像自動分類装置５０４と観察装置５０２，５０３はネットワーク５０１に接続されている。観察装置５０２、５０３はそれぞれ，画像記憶部４１３に記憶された画像および付帯情報記憶部４１４に記憶された付帯情報を，ネットワークインターフェース部４０６を介して送信し，画像自動分類装置５０４はネットワークインターフェース部３０５を介してこれらの画像および付帯情報を受信し，画像記憶部３０９と付帯情報記憶部３１０に記憶する。画像および付帯情報のデータの送受は、観察装置の外部記憶媒体入出力部４０４と，画像自動分類装置の外部記憶媒体入出力部３０６により，磁気ディスクや光ディスク，半導体メモリなどの外部記憶媒体を介してもコピーや移動などが可能である。なお，図では観察装置を２台示したが，台数はこれに限られない。また，通常，観察装置はクリーンルームに置かれていることが多いが，画像分類装置はクリーンルーム内に配置してもクリーンルーム外に配置しても構わない。
【００１９】
次に、本実施形態に係る画像分類装置において，入力された画像を分類する際の処理フローについて図６を用いて説明する。
まず、分類対象の欠陥画像を画像記憶部３０９から読み込み（Ｓ６０１）、さらにこれらの欠陥画像の付帯情報を付帯情報記憶部３１０から読み込む（Ｓ６０２）。なお欠陥画像および付帯情報の読み込みは同時に行ってもよい。ここで、欠陥画像の付帯情報とは画像撮像時の条件であり，画像を撮像した観察装置を特定するためのＩＤなどを適宜含む。また，その他の付帯情報として、撮像時の加速電圧やプローブ電流，撮像視野サイズ，撮像日時，撮像座標などを記憶し，分類時の情報としてこれらを適宜用いても良い。つぎに，読み込んだ欠陥画像の付帯情報を用いて分類パラメータ選択部３１３により欠陥画像を撮像した観察装置を特定する（Ｓ６０３）。これは、例えば、読み込んだ画像の付帯情報に含まれる観察装置ＩＤを用いれば良い。もしくは画像記憶部３０９に階層構造（ディレクトリ構造）を持たせ，観察装置から送信された画像を観察装置ごとに階層（ディレクトリ）に分けて保存することで判別するようにしても良い。つぎに，後述する方法により作成した観察装置ごとの分類パラメータのうち，分類対象の欠陥画像を撮像した観察装置に対応した分類パラメータを分類パラメータ選択部３１３により選択して読み込む（Ｓ６０４）。なお，ここでの分類パラメータとは分類処理における分類識別面に限らず，画像から欠陥領域を抽出する処理や特徴量を算出する処理に用いる画像処理パラメータも適宜含まれる。つぎに，画像処理演算部３０７において、読み込まれた対応する分類パラメータに含まれる画像処理パラメータを用いて欠陥画像から欠陥領域の抽出を行い（Ｓ６０５）、抽出した欠陥画像の欠陥領域に対して欠陥に関する特徴を定量化した値（特徴量）を算出する（Ｓ６０６）。つぎに，分類処理演算部３０８において、算出された特徴量と分類パラメータに含まれる分類識別面とを用いて欠陥画像を分類する（Ｓ６０７）。欠陥の分類手法としては，ニューラルネットワークやＳＶＭ（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ）などを用いても良いし，前述の特許文献２に記載されているように，ルール型分類器と教示型分類器を組み合わせた手法を用いても良い。なお，ここでは入力された１欠陥の画像を分類する際の処理フローを示したが，複数の欠陥画像を分類するには，欠陥画像の数だけＳ６０１〜Ｓ６０７処理を繰り返し実行すればよく、また複数の画像処理演算部および分類処理演算部を設けて並列処理するようにしても構わない。
なお、入力される画像には，少なくとも分類対象となる欠陥部位を撮像した欠陥画像のほか、欠陥画像と同じ回路パタンが形成されるように設計され，欠陥が含まれない領域を撮像した画像を良品画像として含んでも良く、欠陥画像と良品画像との比較処理など、欠陥領域の抽出や特徴量の算出の処理において良品画像の情報を用いても構わない。また，１つの撮像座標について，異なる検出器で撮像した画像が１つ以上あっても良い。例えば，ＳＥＭでは主に２次電子を検出した信号を画像化した２次電子像と，主に後方散乱電子を検出した信号を画像化した後方散乱電子像を含んでも良く、これらを既知の手法により適宜選択・統合等したものを欠陥画像として用いても構わない。
【００２０】
つぎに，図７を用いて分類パラメータ作成部３１４により分類レシピを作成する方法について説明する。ここでの分類レシピとは欠陥画像の分類方法を定義した情報であり，分類する欠陥のクラス（カテゴリー）や，画像処理パラメータ，各クラスに分類するための分類識別面などが含まれる。通常，半導体ウェハの製造は複数の工程からなっており，工程の違いにより発生する欠陥種が異なるため，各工程に適した分類レシピを作成するのが一般的である。分類レシピを作成するにあたり，入出力端末３１２は、ユーザから入力されたどのようなクラスに画像を分類するかの定義の情報を取得し（Ｓ７０１），さらにディスプレイに表示された教示用の複数枚の欠陥画像に基づいてユーザから入力された欠陥クラスの教示情報を取得する（Ｓ７０２）。これは，例えば、特許文献４に記載されているように，画面上でアイコン化された欠陥画像を各クラスに割り当てられたウィンドウ領域に移動させることでクラスが教示されるようにすれば良い。クラスの教示が完了した後，Ｓ７０４〜Ｓ７０６の処理を各観察装置Ｅｉ（ｉ＝１〜Ｎ（Ｎは観察装置台数））で撮像した教示用画像について繰り返し実行する（Ｓ７０３）。Ｓ７０４は後述する方法において画像処理のパラメータを調整する処理，Ｓ７０５は分類識別面の作成を行う処理，Ｓ７０６は各処理で得られた結果を観察装置Ｅｉ用の分類パラメータとして記憶する処理である。これにより，１つの分類レシピ内にＮ個の分類パラメータが記憶される。最後に，作成した分類レシピをレシピ記憶部３１１に保存する（Ｓ７０７）。
【００２１】
つぎに、分類レシピ作成における，画像処理のパラメータ調整（Ｓ７０４）の処理フローの詳細について、図８を用いて説明する。本処理は，教示用画像の中からサンプリングされた少数の欠陥画像について欠陥領域や回路パタン領域を教示することで，多数の欠陥画像に対して適切に欠陥領域の抽出や特徴量の算出が可能な画像処理パラメータを算出する。欠陥領域の抽出に関わるパラメータとしては，たとえば２値化しきい値や，複数チャネル画像の混合率，使用するアルゴリズムの識別子などがある。また，特徴量の算出に関するパラメータとしては，下地部と回路パタン部の濃淡値の関係（どちらが明るいか），使用するアルゴリズムの識別子などがある。調整を行うにあたり，まず，観察装置Ｅｉで撮像した画像の中から調整用画像を複数枚サンプリングする（Ｓ８０１）。このとき，Ｓ７０２において教示された結果を用いて，各クラスに含まれる欠陥画像から数枚程度（例えば３枚）ずつランダムにサンプリングすればよい。つぎに，サンプリングされた全ての調整用画像について，入出力端末３１２は、ユーザにより教示された欠陥領域と回路パタン領域の教示情報を取得する（Ｓ８０２，Ｓ８０３）。つぎに，取得した教示された欠陥領域と回路パタン領域をもとに，適した画像処理パラメータを探索する（Ｓ８０４）。適したパラメータを探索する方法として最も簡単なのは，全パラメータの組み合わせを用いて画像処理を行い，教示結果と最も近い結果を出力する画像処理パラメータを求めればよい。もしくは全パラメータを探索するのではなく，タグチメソッドにおける直行表などを用いて一部のパラメータに関する評価値から適切なパラメータを求めるようにしても良い。
【００２２】
ここで，入出力端末３１２にて取得する欠陥領域の教示情報について、教示を行う具体的な方法を説明する。教示する１つの方法として，図１０に示すようにサンプリングされた欠陥画像を画面に表示し，ユーザにマウスやペンタブレットなどを用いて，欠陥の領域を指定するようにすれば良い。別の方法としては，図１１に示すように，予め複数の画像処理パラメータで欠陥領域の抽出を行い，その結果を画面に表示し，抽出結果が良いものを選択するようにすれば良い。なお，ここでは欠陥領域の抽出に関する教示の方法について示したが，回路パタン領域を教示する際においても同様の方法で実現可能である。
【００２３】
また，本実施形態に係る画像分類装置では，Ｓ７０４において調整された画像処理パラメータを確認し，必要であれば修正可能とするＧＵＩを備える。この画像処理パラメータの確認・調整が可能なＧＵＩの一例を図１２に示す。１２０１は対象とする観察装置を選択するリスト，１２０２は欠陥画像を選択するリスト，１２０３は選択された欠陥画像に対応する良品画像を表示するウィンドウ，１２０４は選択された欠陥画像を表示するウィンドウ，１２０５は設定されたパラメータで欠陥領域を抽出した結果を表示するウィンドウ，１２０６はパラメータ値を調整するためのインターフェースである。ユーザは必要に応じて欠陥領域抽出結果を表示するウィンドウ１２０５を見ながら，インターフェース１２０６を介してパラメータを調整することが可能である。パラメータ値を調整するインターフェース１２０６は，目盛りの位置に応じてパラメータ値を変化させるスライダー１２０７や，値を入力するテキストボックス１２０８などを適宜備える。
【００２４】
つぎに、分類レシピ作成における，分類識別面の作成（Ｓ７０５）の処理フローについて図９を用いて説明する。まず，全ての教示用画像について，画像処理パラメータ調整（Ｓ７０４）により得られた画像処理パラメータを用いて，欠陥領域の抽出（Ｓ９０２）と特徴量の算出（Ｓ９０３）を繰り返し実行する（Ｓ９０１）。そして，Ｓ７０２において教示された欠陥クラスと算出した特徴量をもとに，分類時に用いるニューラルネットワークないしＳＶＭなどの教示型分類器の学習を行い，分類識別面を作成する（Ｓ９０４）。ここで、図１３に観察装置Ａで撮像した欠陥画像を分類するための分類識別面作成結果の一例を示す。分類識別面の作成は，観察装置ごとに独立に行うため（Ｓ７０３〜Ｓ７０５），ｎ次元の特徴量空間１３０１には，観察装置Ｂで撮像した画像の分布は含まれない。これにより，例えば異物欠陥の分布１３０３とショート欠陥の分布１３０２を分離可能な識別面１３０４を容易に得ることが出来る。図１４は同様に，観察装置Ｂで撮像した欠陥画像を分類するための識別面作成結果の一例であり，１４０１はｎ次元の特徴量空間，１４０２はショート欠陥の分布，１４０３は異物欠陥の分布であって、同様に他の観察装置で撮像した画像の分布が含まれないため、分類識別面１４０４を容易に算出することが可能となる。
【００２５】
以上のように，本実施形態では複数の観察装置で撮像された欠陥画像が混在して入力される画像分類装置において，画像を撮像した観察装置に応じた分類パラメータを作成しこれを用いて欠陥分類を行うことで，画質の違いによる分類正解率の低下を抑制し，高い分類正解率で欠陥画像を分類することが可能となる。また，各観察装置で撮像した欠陥画像に対して，欠陥領域を教示することで画像処理パラメータを自動で調整し，各観察装置ごとの分類パラメータを容易に作成することが可能となる。
なお、本実施形態では、複数の観察装置で撮像された欠陥画像が混在した場合を例に説明したが欠陥画像はこれに限られるものではなく、光学式の撮像手段によって得られた欠陥画像であってもよく、本実施形態の画像分類装置とネットワークで接続された種々の撮像装置による欠陥画像にも適用可能であることはいうまでもない。
【実施例２】
【００２６】
画像分類装置の第二の実施例について説明する。本実施例では、第一の実施例と同様の構成や処理フローについては一部を省略し、相違点を主として説明する。具体的には、本実施形態では、第一の実施例と同様の処理フローにより欠陥分類を行う画像分類装置であって、レシピ作成時において，実施例１より少ない欠陥および回路パタンの教示で，各観察装置用の画像処理パラメータを設定する方法を示す。なお、本実施形態では第一の実施形態と同様にＳＥＭを備えた観察装置で撮像した画像を分類する場合を対象に説明するが，本実施例にかかる画像分類装置の入力はＳＥＭ画像以外でも良く，光学式の撮像手段を用いて撮像した画像でも良い。さらに，光学式の撮像手段で撮像した画像や，ＳＥＭなどの荷電粒子線を用いて撮像された画像などの撮像手段が異なる欠陥画像が混在して入力されても良い。
【００２７】
本実施形態に係る画像分類装置の分類処理のフローは実施例１において示した分類処理フロー（図６）と同様であり、また，本実施例にかかる画像分類装置と観察装置の半導体製造ラインにおけるネットワークを介した接続関係も実施例１において示したもの（図５）と同様である。また，本実施形態に係る画像分類装置は実施例１と同様のＧＵＩを備える。以降においては，分類レシピの作成処理，とくに画像処理パラメータの調整方法について，実施例1と異なる処理について説明する。
【００２８】
本実施形態に係る画像分類装置のレシピ作成時の処理フローを図１５を用いて説明する。図１５のＳ１５０１，Ｓ１５０２，Ｓ１５０４〜Ｓ１５０７は，実施例１で示した各ステップでの処理と同様であり、画像処理パラメータ調整Ｓ１５０３の処理フローにおける実行順序および処理内容が異なる。
【００２９】
ここで、この画像処理パラメータ調整Ｓ１５０３の具体的な処理フローについて図１６を用いて説明する。まず，任意の観察装置Ｅｊで撮像した画像から実施例１において説明したＳ８０１と同様の方法で調整に用いる画像をサンプリングする。次に、サンプリングされた調整用の画像について実施例１において説明したＳ８０３と同様の方法により欠陥領域および回路パタン領域の教示を行う。教示が終了すると実施例１において説明したＳ８０４と同様の方法により適した画像処理パラメータを探索する。つぎに，本実施形態に係る画像分類装置では，教示を行わなかった全ての観察装置Ｅｉ（ｉ＝１〜Ｎ，ただしｉ≠ｊ）について，調整した観察装置Ｅｊ用の画像処理パラメータから，観察装置Ｅｉ用の画像処理パラメータを設定する（Ｓ１６０５，Ｓ１６０６）。観察装置間のパラメータを相互に変換するために，図１７に示すような予め作成した観察装置間の関係を表す各パラメータについてのルックアップテーブルを用いて，パラメータを変換すればよい。このルックアップテーブルを作成するには，同一の欠陥を全ての観察装置で撮像し，任意の観察装置で撮像した画像に対し複数のパラメータで画像処理を行い，他の観察装置で撮像した画像において同様の結果が得られるパラメータを探索すればよい。例えば，観察装置Ｅ１で撮像した画像に対して，検出しきい値を２〜５まで４通り変化させて画像処理を行い，４通りの結果それぞれに対し，観察装置Ｅ２で撮像した画像において同様の結果が得られる画像処理パラメータを探索すればよい。もしくは，観察装置の撮像系の特性から定性的に考えられる対応関係を記憶させても良い。なお、このように予め作成した各観察装置間の対応関係を示すルックアップテーブルは図１８に示すように記憶部３０３内のパラメータ対応関係記憶部１８０１に格納しておけばよい。
本実施形態では、画像処理パラメータの設定において、各観察装置間の対応関係を示すルックアップテーブルを用いた変換を利用することにより、図１５に示すように、画像処理パラメータの作成をＳ１５０４〜Ｓ１５０６に示すループの中で繰り返し実行することなく、予め容易に設定することが可能となります。
なお、本実施形態では、複数の観察装置で撮像された欠陥画像が混在した場合を例に説明したが欠陥画像はこれに限られるものではなく、光学式の撮像手段によって得られた欠陥画像であってもよく、本実施形態の画像分類装置とネットワークで接続された種々の撮像装置による欠陥画像にも適用可能であることはいうまでもない。
【００３０】
以上、本発明者によってなされた発明を実施形態に基づき具体的に説明したが、本発明は上記実施形態に限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能である。
【符号の説明】
【００３１】
３０４・・・ユーザインターフェース部，３０５・・・ネットワークインターフェース部，３０７・・・画像処理演算部，３０８・・・分類処理演算部，３０９・・・画像記憶部，３１０・・・付帯情報記憶部，３１１・・・レシピ記憶部，３１２・・・入出力端末，３１３・・・分類パラメータ選択部，３１４・・・分類パラメータ作成部，４０１・・・走査型電子顕微鏡，４０５・・・ネットワークインターフェース部，４０６・・・ネットワークインターフェース部，Ｓ６０２・・・画像付帯情報読み込み処理，Ｓ６０３・・・観察装置を特定する処理，Ｓ６０４・・・観察装置に応じた分類パラメータを読み込む処理，Ｓ６０５・・・欠陥領域抽出処理，Ｓ６０６・・・ 特徴量算出処理，Ｓ６０７・・・欠陥分類処理，Ｓ７０４・・・画像処理パラメータ調整処理，Ｓ７０５・・・分類識別面作成処理，Ｓ８０３・・・欠陥領域と回路パタン領域を教示する処理，Ｓ８０４・・・画像処理パラメータ探索処理，Ｓ９０４・・・学習により分類識別面を作成する処理，Ｓ１６０６・・・画像処理パラメータを変換する処理，１８０１・・・パラメータの対応関係を記憶する記憶部
【技術分野】
【０００１】
本発明は，画像の分類に関するものであって，特に半導体製品の製造中に発生したパタン欠陥や付着異物などを撮像した欠陥画像を分類する方法および分類する装置に関するものである。
【背景技術】
【０００２】
半導体ウェハの製造工程においては，種々の製造装置などから発生した異物などによる回路パタンのショートや，製造プロセスの条件設定不具合などにより回路パタンの形成不良などが発生する場合がある。欠陥が発生した半導体チップは，製品として不良となるため製品歩留まりが低下する。そのため，欠陥の発生原因を早期に特定し対策を施すことが製品歩留まり向上のために重要である。
【０００３】
欠陥の発生原因を特定するために，半導体ウェハの製造ラインでは欠陥検査装置と観察装置が用いられている。欠陥検査装置とは，光学的手段もしくは荷電粒子線を用いる撮像手段を用いて画像を撮像し，撮像した画像を解析し，欠陥の位置を特定して出力する装置である。欠陥検査装置は広範囲を高速に検査することが重要となるため，撮像した画像の解像度が低く，発生した欠陥の詳細を観察し発生原因を特定することは困難である。そこで、欠陥検査装置が出力した欠陥座標の位置を，高解像度で撮像する観察装置が用いられている。近年では，半導体製造プロセスの微細化が進み，観察が必要な欠陥のサイズも数十nmのオーダに達しているため，分解能が数nmオーダの走査型電子顕微鏡を用いた観察装置が広く使われている。
【０００４】
欠陥の発生原因を特定し，製造プロセスにフィードバックするために，製造プロセスの各段階において欠陥検査と観察を行い，発生している欠陥の種類を特定することが行われている。例えば，欠陥検査装置が出力した数百点程度の欠陥座標の中から，ランダムにサンプリングした数十点程度の欠陥点について観察装置で欠陥画像を撮像し，欠陥の分類を行うということが行われている。
【０００５】
しかし，近年，半導体製造プロセスの微細化に伴い欠陥検査装置の出力における虚報が増加し，欠陥検査装置が出力する数千点の中から数十点程度をランダムにサンプリングした場合には，致命となる欠陥を観察できない場合がある。また，製造プロセスの多様化により，発生する欠陥の種類も多様となってきており，より多く（例えば数百枚）の欠陥画像を収集し，欠陥種ごとの発生頻度を評価することが重要となっている。そのため，取得した数百枚程度の欠陥画像を，その発生原因別または外観の特徴別に自動分類（ＡＤＣ：Ａｕｔｏｍａｔｉｃ Ｄｅｆｅｃｔ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ）することが行われている。
【０００６】
自動分類の一方法としては，画像処理により欠陥部位の外観特徴量を定量化し，ニューラルネットワークを用いて分類する方法が特許文献１に記載されている。また，分類すべき欠陥の種類が多い場合においても容易に対応可能な方法として，ルールベース分類手法と教示分類手法を組み合わせて分類する方法が，特許文献２に記載されている。
【０００７】
従来，欠陥画像の分類は人が観察装置の前で手動で行っていたという経緯もあり，観察装置は機能の一部として，欠陥画像の自動分類機能を備えているのが一般的である。しかし，半導体製品の生産量増加に伴い，半導体ウェハの製造ラインにおいて複数台の観察装置が導入されており，分類レシピの管理にかかるコストの増大が問題となってきている。この問題に対し，複数台の観察装置と画像自動分類装置をネットワークで接続し，撮像した画像を画像自動分類装置に転送し，分類を行うこと方法が特許文献３に記載されている。これにより画像や分類レシピの管理の一元化が可能となり管理コストの低減が可能となる。また，分類レシピの作成時に必要な欠陥クラスの教示方法のひとつとして，アイコン化された欠陥画像を各クラスに割り当てられたウィンドウ領域に移動させることで容易かつ効率的に教示を行う方法が特許文献４に記載されている。
【先行技術文献】
【特許文献】
【０００８】
【特許文献１】特開平８−２１８０３号公報
【特許文献２】特開２００７−２２５５３１号公報
【特許文献３】特開２００４−２２６３２８号公報
【特許文献４】特開２０００−１６２１３５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００９】
上記の通り、半導体ウェハを高い歩留まりで生産するためには，製造プロセスで発生した欠陥種ごとに発生頻度を把握し，致命的な欠陥の発生原因を特定し，早期に製造プロセスにフィードバックすることが重要である。ここで欠陥種ごとの発生頻度を正確に把握するためには，観察装置で撮像した数百枚程度の欠陥画像を自動分類することが重要となる。また、自動分類に関しては，画像や分類レシピの管理コスト低減の観点から，複数台の観察装置に対して，１台又は観察装置より少ない台数の画像自動分類装置で行えることが必要である。この場合，撮像して得た欠陥画像の性質が異なる複数の撮像装置の画像が画像自動分類装置に混在して入力されるため，入力される欠陥画像の性質が一定であることを想定していた従来の画像自動分類装置では，大きく２つの問題により分類正解率が低下する。１つ目の問題は，画像自動分類装置での欠陥領域を抽出する処理において，観察装置の違いによる画質の差により，同一のパラメータで処理しても抽出結果が異なることである。図１は，その一例を示した図であり，２台の観察装置（ここでは観察装置Ａと観察装置Ｂと記載する）で同一の欠陥を撮像し，同一のパラメータで欠陥領域抽出処理を実行した結果を示している。観察装置Ａで撮像した欠陥画像１０１に対して欠陥領域抽出処理を実行した結果，領域１０２に示したように正しい欠陥領域を抽出できたとする。一方の観察装置Ｂで撮像した欠陥画像１０３に対して同一パラメータで欠陥領域抽出処理を実行すると，画像の性質の違いにより領域１０４に示したように，欠陥の領域を正しく抽出できない場合がある。２つ目の問題は，画像自動分類装置では欠陥画像から欠陥の特徴（画像上での明るさや，形状など）を定量化し，分類する際の判断材料とするが，同種の欠陥においても，撮像装置の違いにより画像上での見た目が異なる場合，定量化結果が異なることである。図２は観察装置Ａと観察装置Ｂで撮像した２種類の欠陥（例えば，ショートと異物欠陥）について，ｎ次元の特徴量空間２０１における分布を模式的に表した図である。観察装置の違いにより欠陥画像の画質が異なると，例えば，ショート欠陥は観察装置に依らず同様の分布２０２を取るが，異物欠陥においては観察装置Ａで撮像した異物欠陥は分布２０３に分布し，観察装置Ｂで撮像した異物欠陥は分布２０４に分布するといったことが発生し得る。この場合，１台の観察装置で撮像した場合と比較し，特徴量空間における分布の分離度が低下し，分類性能が低下する。
【００１０】
そこで、画像自動分類装置では，異なる観察装置で撮像した画像が混在して入力された場合においても，観察装置の違いによる画像の性質の差を吸収し，欠陥種ごとに正しく分類することが求められる。
【課題を解決するための手段】
【００１１】
上記の課題を解決するために，複数台の観察装置で撮像した欠陥画像が入力となる画像自動分類装置において，欠陥画像を撮像した観察装置を画像の付帯情報などをもとに特定し，分類レシピを作成する際に観察装置ごとに画像処理パラメータの調整と分類識別面の作成を行い，画像の分類時には画像を撮像した観察装置に応じた画像処理パラメータと分類識別面を用いて，画像処理と分類処理を行うようにした。また，観察装置ごとの画像処理パラメータ調整を効率的に行うために，教示された欠陥領域をもとに適切な画像処理パラメータを自動で調整するようにした。また，任意の観察装置で調整した画像処理パラメータをもとに他の観察装置用の画像処理パラメータを設定するようにした。
【００１２】
本願において開示される発明のうち代表的なものの概要を簡単に説明すれば次の通りである。
（１）複数の異なる撮像装置で得られた複数の欠陥画像を欠陥の種類ごとに分類する画像分類方法であって、分類対象の欠陥画像の付帯情報を読み込むステップと、前記読み込まれた前記分類対象の欠陥画像の付帯情報に基づいて、前記複数の異なる撮像装置の中から前記分類対象の欠陥画像を撮像した撮像装置を特定するステップと、前記複数の異なる撮像装置ごとに予め作成された複数の分類パラメータの中から前記特定された撮像装置に対応する分類パラメータを読み込むステップと、前記読み込まれた分類パラメータを用いて前記分類対象の欠陥画像を分類するステップと、を有することを特徴とする画像分類方法である。
（２）複数の異なる撮像装置で得られた複数の欠陥画像を欠陥の種類ごとに分類する画像分類装置であって、前記複数の欠陥画像と、前記複数の欠陥画像各々に対応する複数の付帯情報と、前記複数の異なる撮像装置各々に対応する複数の分類パラメータと、を格納した記憶手段と、前記記憶手段から読み込まれた分類対象の欠陥画像に対応する付帯情報に基づいて、前記複数の異なる撮像装置の中から前記分類対象の欠陥画像を撮像した撮像装置を特定し、前記特定された撮像装置に対応する分類パラメータを選択して読み込む分類パラメータ選択手段と、前記分類パラメータ選択手段により選択して読み込まれた分類パラメータに基づいて前記分類対象の欠陥画像を分類する分類処理手段と、前記分類処理手段による分類結果を表示する表示手段と、を有することを特徴とする画像分類装置である。
【発明の効果】
【００１３】
本発明によれば，複数の観察装置で撮像した欠陥画像を分類する画像分類装置において，観察装置の違いによる画像の性質の差を吸収し，画像の性質の差による分類性能を低下させることなく，欠陥画像を分類可能な画像分類装置および画像分類方法を提供できる。
【図面の簡単な説明】
【００１４】
【図１】同一の欠陥を異なる観察装置で撮像して得た欠陥画像とこれらを同一パラメータで欠陥領域抽出処理した欠陥領域抽出結果を示す図である。
【図２】同一の欠陥を異なる観察装置で撮像して得た各欠陥画像の特徴量空間における分布を示す図である。
【図３】実施例１に係る画像分類装置の構成の概念図である。
【図４】観察装置の構成例を示す図である。
【図５】実施例１に係る画像自動分類装置と複数の観察装置の半導体製造ラインにおけるネットワーク接続関係を示す図である。
【図６】画像分類処理の処理フローを示す図である。
【図７】実施例１に係る分類レシピ作成処理フローを示す図である。
【図８】実施例１に係る画像処理パラメータ調整処理フローを示す図である。
【図９】実施例１に係る分類識別面作成処理フローを示す図である。
【図１０】実施例１に係る欠陥領域を教示するＧＵＩの一例を示す図である。
【図１１】実施例１に係る欠陥領域を教示するＧＵＩの他の例を示す図である。
【図１２】実施例１に係る画像処理パラメータの確認・調整が可能なＧＵＩの一例を示す図である。
【図１３】観察装置Ａで撮像した欠陥画像を分類するための分類識別面作成結果の一例を示す図である。
【図１４】観察装置Ａで撮像した欠陥画像を分類するための分類識別面作成結果の一例を示す図である。
【図１５】実施例２に係る分類レシピ作成処理フローを示す図である。
【図１６】実施例２に係る画像処理パラメータ調整処理フローを示す図である。
【図１７】実施例２に係る観察装置間のパラメータ対応関係を表したルックアップテーブルの一例である。
【図１８】実施例２に係る画像分類装置の構成を示した図である。
【発明を実施するための形態】
【実施例１】
【００１５】
以下に、画像分類装置の第一の実施例について説明する。本実施例では走査型電子顕微鏡（ＳＥＭ：Ｓｃａｎｎｉｎｇ Ｅｅｌｅｃｔｒｏｎ Ｍｉｃｒｏｓｃｏｐｅ）を備えた観察装置で撮像した画像を分類する場合を対象に説明するが，本実施形態に係る画像分類装置への入力はＳＥＭ画像以外でも良く，例えば、光学式の撮像手段を用いて撮像した画像でも良い。さらに，光学式の撮像手段で撮像した画像や，ＳＥＭなどの荷電粒子線を用いて撮像された画像など，撮像手段が異なる欠陥画像が混在して入力されても良い。
【００１６】
図３は本実施形態に係る画像分類装置の構成の概念図を示しており，画像分類装置全体の制御を行う全体制御部３０１と，プログラムに従い演算を行う演算部３０２と，磁気ディスクや半導体メモリなどに情報を記憶する記憶部３０３と，ユーザとの情報の入出力を制御するユーザインターフェース部３０４と，ネットワークを介して他の観察装置などと通信を行うネットワークインターフェース部３０５と，外部の記憶媒体との入出力を行う外部記憶媒体入出力部３０６とを適宜用いて構成される。このうち，演算部３０２は、画像の処理を行う画像処理演算部３０７と，分類処理を行う分類処理演算部３０８と、後述する分類パラメータを作成する分類パラメータ作成部３１４と、分類パラメータを選択する分類パラメータ選択部３１３と、を適宜用いて構成される。また，記憶部３０３には画像を記憶する画像記憶部３０９と，画像の付帯情報を記憶する付帯情報記憶部３１０，画像処理パラメータや分類識別面など分類に用いる条件を記憶するレシピ記憶部３１１が含まれる。また，ユーザインターフェース部３０４には，キーボードやマウス，ディスプレイなどから構成される入出力端末３１２が接続されている。
【００１７】
図４は観察装置の一例としてＳＥＭを備えた観察装置の構成を示す。観察装置は，電子光学系カラム４０１と，ＳＥＭ制御部４０２と，記憶部４０３と，外部記憶媒体入出力部４０４と，ユーザインターフェース部４０５と，ネットワークインターフェース部４０６とを適宜用いて構成される。さらに、電子光学系カラム４０１は，試料ウェハ４０７を搭載する可動ステージ４０８と，試料ウェハ４０７に電子ビームを照射するため電子源４０９と，電子ビームの照射により試料ウェハ４０７から発生した２次電子や反射電子などを検出する複数の検出器４１０の他，電子ビームを試料ウェハ４０７上で走査するための偏向器（図示せず）や，検出器４１０からの信号をデジタル変換してデジタル画像を生成する画像生成部４１１等を適宜用いて構成される。なお，記憶部４０３は，取得された画像データを記憶する画像記憶部４１３と，各画像撮像時の付帯情報（加速電圧やプローブ電流，撮像視野サイズ，観察装置管理用ＩＤ，撮像日時，撮像座標など）を記憶する付帯情報記憶部４１４とを含む。ＳＥＭ制御部４０２は，画像取得などの処理を制御する部位である。ＳＥＭ制御部４０２からの指示により，試料ウェハ４０７上の所定の検査部位を撮像視野に入れるための可動ステージ４０８の移動，試料ウェハ４０７への電子ビームの照射，検出器４１０で検出したデータの画像化及び記憶部４０３への保存などが行われる。操作者であるユーザからの各種の指示や撮像条件の指定などは，ユーザインターフェース部４０５と接続され、キーボード，マウスやディスプレイなどを用いて構成される入出力端末４１２を介して行われる。
【００１８】
図５は本実施形態に係る画像分類装置と複数の観察装置の半導体製造ラインにおけるネットワーク接続関係を示したものである。画像自動分類装置５０４と観察装置５０２，５０３はネットワーク５０１に接続されている。観察装置５０２、５０３はそれぞれ，画像記憶部４１３に記憶された画像および付帯情報記憶部４１４に記憶された付帯情報を，ネットワークインターフェース部４０６を介して送信し，画像自動分類装置５０４はネットワークインターフェース部３０５を介してこれらの画像および付帯情報を受信し，画像記憶部３０９と付帯情報記憶部３１０に記憶する。画像および付帯情報のデータの送受は、観察装置の外部記憶媒体入出力部４０４と，画像自動分類装置の外部記憶媒体入出力部３０６により，磁気ディスクや光ディスク，半導体メモリなどの外部記憶媒体を介してもコピーや移動などが可能である。なお，図では観察装置を２台示したが，台数はこれに限られない。また，通常，観察装置はクリーンルームに置かれていることが多いが，画像分類装置はクリーンルーム内に配置してもクリーンルーム外に配置しても構わない。
【００１９】
次に、本実施形態に係る画像分類装置において，入力された画像を分類する際の処理フローについて図６を用いて説明する。
まず、分類対象の欠陥画像を画像記憶部３０９から読み込み（Ｓ６０１）、さらにこれらの欠陥画像の付帯情報を付帯情報記憶部３１０から読み込む（Ｓ６０２）。なお欠陥画像および付帯情報の読み込みは同時に行ってもよい。ここで、欠陥画像の付帯情報とは画像撮像時の条件であり，画像を撮像した観察装置を特定するためのＩＤなどを適宜含む。また，その他の付帯情報として、撮像時の加速電圧やプローブ電流，撮像視野サイズ，撮像日時，撮像座標などを記憶し，分類時の情報としてこれらを適宜用いても良い。つぎに，読み込んだ欠陥画像の付帯情報を用いて分類パラメータ選択部３１３により欠陥画像を撮像した観察装置を特定する（Ｓ６０３）。これは、例えば、読み込んだ画像の付帯情報に含まれる観察装置ＩＤを用いれば良い。もしくは画像記憶部３０９に階層構造（ディレクトリ構造）を持たせ，観察装置から送信された画像を観察装置ごとに階層（ディレクトリ）に分けて保存することで判別するようにしても良い。つぎに，後述する方法により作成した観察装置ごとの分類パラメータのうち，分類対象の欠陥画像を撮像した観察装置に対応した分類パラメータを分類パラメータ選択部３１３により選択して読み込む（Ｓ６０４）。なお，ここでの分類パラメータとは分類処理における分類識別面に限らず，画像から欠陥領域を抽出する処理や特徴量を算出する処理に用いる画像処理パラメータも適宜含まれる。つぎに，画像処理演算部３０７において、読み込まれた対応する分類パラメータに含まれる画像処理パラメータを用いて欠陥画像から欠陥領域の抽出を行い（Ｓ６０５）、抽出した欠陥画像の欠陥領域に対して欠陥に関する特徴を定量化した値（特徴量）を算出する（Ｓ６０６）。つぎに，分類処理演算部３０８において、算出された特徴量と分類パラメータに含まれる分類識別面とを用いて欠陥画像を分類する（Ｓ６０７）。欠陥の分類手法としては，ニューラルネットワークやＳＶＭ（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ）などを用いても良いし，前述の特許文献２に記載されているように，ルール型分類器と教示型分類器を組み合わせた手法を用いても良い。なお，ここでは入力された１欠陥の画像を分類する際の処理フローを示したが，複数の欠陥画像を分類するには，欠陥画像の数だけＳ６０１〜Ｓ６０７処理を繰り返し実行すればよく、また複数の画像処理演算部および分類処理演算部を設けて並列処理するようにしても構わない。
なお、入力される画像には，少なくとも分類対象となる欠陥部位を撮像した欠陥画像のほか、欠陥画像と同じ回路パタンが形成されるように設計され，欠陥が含まれない領域を撮像した画像を良品画像として含んでも良く、欠陥画像と良品画像との比較処理など、欠陥領域の抽出や特徴量の算出の処理において良品画像の情報を用いても構わない。また，１つの撮像座標について，異なる検出器で撮像した画像が１つ以上あっても良い。例えば，ＳＥＭでは主に２次電子を検出した信号を画像化した２次電子像と，主に後方散乱電子を検出した信号を画像化した後方散乱電子像を含んでも良く、これらを既知の手法により適宜選択・統合等したものを欠陥画像として用いても構わない。
【００２０】
つぎに，図７を用いて分類パラメータ作成部３１４により分類レシピを作成する方法について説明する。ここでの分類レシピとは欠陥画像の分類方法を定義した情報であり，分類する欠陥のクラス（カテゴリー）や，画像処理パラメータ，各クラスに分類するための分類識別面などが含まれる。通常，半導体ウェハの製造は複数の工程からなっており，工程の違いにより発生する欠陥種が異なるため，各工程に適した分類レシピを作成するのが一般的である。分類レシピを作成するにあたり，入出力端末３１２は、ユーザから入力されたどのようなクラスに画像を分類するかの定義の情報を取得し（Ｓ７０１），さらにディスプレイに表示された教示用の複数枚の欠陥画像に基づいてユーザから入力された欠陥クラスの教示情報を取得する（Ｓ７０２）。これは，例えば、特許文献４に記載されているように，画面上でアイコン化された欠陥画像を各クラスに割り当てられたウィンドウ領域に移動させることでクラスが教示されるようにすれば良い。クラスの教示が完了した後，Ｓ７０４〜Ｓ７０６の処理を各観察装置Ｅｉ（ｉ＝１〜Ｎ（Ｎは観察装置台数））で撮像した教示用画像について繰り返し実行する（Ｓ７０３）。Ｓ７０４は後述する方法において画像処理のパラメータを調整する処理，Ｓ７０５は分類識別面の作成を行う処理，Ｓ７０６は各処理で得られた結果を観察装置Ｅｉ用の分類パラメータとして記憶する処理である。これにより，１つの分類レシピ内にＮ個の分類パラメータが記憶される。最後に，作成した分類レシピをレシピ記憶部３１１に保存する（Ｓ７０７）。
【００２１】
つぎに、分類レシピ作成における，画像処理のパラメータ調整（Ｓ７０４）の処理フローの詳細について、図８を用いて説明する。本処理は，教示用画像の中からサンプリングされた少数の欠陥画像について欠陥領域や回路パタン領域を教示することで，多数の欠陥画像に対して適切に欠陥領域の抽出や特徴量の算出が可能な画像処理パラメータを算出する。欠陥領域の抽出に関わるパラメータとしては，たとえば２値化しきい値や，複数チャネル画像の混合率，使用するアルゴリズムの識別子などがある。また，特徴量の算出に関するパラメータとしては，下地部と回路パタン部の濃淡値の関係（どちらが明るいか），使用するアルゴリズムの識別子などがある。調整を行うにあたり，まず，観察装置Ｅｉで撮像した画像の中から調整用画像を複数枚サンプリングする（Ｓ８０１）。このとき，Ｓ７０２において教示された結果を用いて，各クラスに含まれる欠陥画像から数枚程度（例えば３枚）ずつランダムにサンプリングすればよい。つぎに，サンプリングされた全ての調整用画像について，入出力端末３１２は、ユーザにより教示された欠陥領域と回路パタン領域の教示情報を取得する（Ｓ８０２，Ｓ８０３）。つぎに，取得した教示された欠陥領域と回路パタン領域をもとに，適した画像処理パラメータを探索する（Ｓ８０４）。適したパラメータを探索する方法として最も簡単なのは，全パラメータの組み合わせを用いて画像処理を行い，教示結果と最も近い結果を出力する画像処理パラメータを求めればよい。もしくは全パラメータを探索するのではなく，タグチメソッドにおける直行表などを用いて一部のパラメータに関する評価値から適切なパラメータを求めるようにしても良い。
【００２２】
ここで，入出力端末３１２にて取得する欠陥領域の教示情報について、教示を行う具体的な方法を説明する。教示する１つの方法として，図１０に示すようにサンプリングされた欠陥画像を画面に表示し，ユーザにマウスやペンタブレットなどを用いて，欠陥の領域を指定するようにすれば良い。別の方法としては，図１１に示すように，予め複数の画像処理パラメータで欠陥領域の抽出を行い，その結果を画面に表示し，抽出結果が良いものを選択するようにすれば良い。なお，ここでは欠陥領域の抽出に関する教示の方法について示したが，回路パタン領域を教示する際においても同様の方法で実現可能である。
【００２３】
また，本実施形態に係る画像分類装置では，Ｓ７０４において調整された画像処理パラメータを確認し，必要であれば修正可能とするＧＵＩを備える。この画像処理パラメータの確認・調整が可能なＧＵＩの一例を図１２に示す。１２０１は対象とする観察装置を選択するリスト，１２０２は欠陥画像を選択するリスト，１２０３は選択された欠陥画像に対応する良品画像を表示するウィンドウ，１２０４は選択された欠陥画像を表示するウィンドウ，１２０５は設定されたパラメータで欠陥領域を抽出した結果を表示するウィンドウ，１２０６はパラメータ値を調整するためのインターフェースである。ユーザは必要に応じて欠陥領域抽出結果を表示するウィンドウ１２０５を見ながら，インターフェース１２０６を介してパラメータを調整することが可能である。パラメータ値を調整するインターフェース１２０６は，目盛りの位置に応じてパラメータ値を変化させるスライダー１２０７や，値を入力するテキストボックス１２０８などを適宜備える。
【００２４】
つぎに、分類レシピ作成における，分類識別面の作成（Ｓ７０５）の処理フローについて図９を用いて説明する。まず，全ての教示用画像について，画像処理パラメータ調整（Ｓ７０４）により得られた画像処理パラメータを用いて，欠陥領域の抽出（Ｓ９０２）と特徴量の算出（Ｓ９０３）を繰り返し実行する（Ｓ９０１）。そして，Ｓ７０２において教示された欠陥クラスと算出した特徴量をもとに，分類時に用いるニューラルネットワークないしＳＶＭなどの教示型分類器の学習を行い，分類識別面を作成する（Ｓ９０４）。ここで、図１３に観察装置Ａで撮像した欠陥画像を分類するための分類識別面作成結果の一例を示す。分類識別面の作成は，観察装置ごとに独立に行うため（Ｓ７０３〜Ｓ７０５），ｎ次元の特徴量空間１３０１には，観察装置Ｂで撮像した画像の分布は含まれない。これにより，例えば異物欠陥の分布１３０３とショート欠陥の分布１３０２を分離可能な識別面１３０４を容易に得ることが出来る。図１４は同様に，観察装置Ｂで撮像した欠陥画像を分類するための識別面作成結果の一例であり，１４０１はｎ次元の特徴量空間，１４０２はショート欠陥の分布，１４０３は異物欠陥の分布であって、同様に他の観察装置で撮像した画像の分布が含まれないため、分類識別面１４０４を容易に算出することが可能となる。
【００２５】
以上のように，本実施形態では複数の観察装置で撮像された欠陥画像が混在して入力される画像分類装置において，画像を撮像した観察装置に応じた分類パラメータを作成しこれを用いて欠陥分類を行うことで，画質の違いによる分類正解率の低下を抑制し，高い分類正解率で欠陥画像を分類することが可能となる。また，各観察装置で撮像した欠陥画像に対して，欠陥領域を教示することで画像処理パラメータを自動で調整し，各観察装置ごとの分類パラメータを容易に作成することが可能となる。
なお、本実施形態では、複数の観察装置で撮像された欠陥画像が混在した場合を例に説明したが欠陥画像はこれに限られるものではなく、光学式の撮像手段によって得られた欠陥画像であってもよく、本実施形態の画像分類装置とネットワークで接続された種々の撮像装置による欠陥画像にも適用可能であることはいうまでもない。
【実施例２】
【００２６】
画像分類装置の第二の実施例について説明する。本実施例では、第一の実施例と同様の構成や処理フローについては一部を省略し、相違点を主として説明する。具体的には、本実施形態では、第一の実施例と同様の処理フローにより欠陥分類を行う画像分類装置であって、レシピ作成時において，実施例１より少ない欠陥および回路パタンの教示で，各観察装置用の画像処理パラメータを設定する方法を示す。なお、本実施形態では第一の実施形態と同様にＳＥＭを備えた観察装置で撮像した画像を分類する場合を対象に説明するが，本実施例にかかる画像分類装置の入力はＳＥＭ画像以外でも良く，光学式の撮像手段を用いて撮像した画像でも良い。さらに，光学式の撮像手段で撮像した画像や，ＳＥＭなどの荷電粒子線を用いて撮像された画像などの撮像手段が異なる欠陥画像が混在して入力されても良い。
【００２７】
本実施形態に係る画像分類装置の分類処理のフローは実施例１において示した分類処理フロー（図６）と同様であり、また，本実施例にかかる画像分類装置と観察装置の半導体製造ラインにおけるネットワークを介した接続関係も実施例１において示したもの（図５）と同様である。また，本実施形態に係る画像分類装置は実施例１と同様のＧＵＩを備える。以降においては，分類レシピの作成処理，とくに画像処理パラメータの調整方法について，実施例1と異なる処理について説明する。
【００２８】
本実施形態に係る画像分類装置のレシピ作成時の処理フローを図１５を用いて説明する。図１５のＳ１５０１，Ｓ１５０２，Ｓ１５０４〜Ｓ１５０７は，実施例１で示した各ステップでの処理と同様であり、画像処理パラメータ調整Ｓ１５０３の処理フローにおける実行順序および処理内容が異なる。
【００２９】
ここで、この画像処理パラメータ調整Ｓ１５０３の具体的な処理フローについて図１６を用いて説明する。まず，任意の観察装置Ｅｊで撮像した画像から実施例１において説明したＳ８０１と同様の方法で調整に用いる画像をサンプリングする。次に、サンプリングされた調整用の画像について実施例１において説明したＳ８０３と同様の方法により欠陥領域および回路パタン領域の教示を行う。教示が終了すると実施例１において説明したＳ８０４と同様の方法により適した画像処理パラメータを探索する。つぎに，本実施形態に係る画像分類装置では，教示を行わなかった全ての観察装置Ｅｉ（ｉ＝１〜Ｎ，ただしｉ≠ｊ）について，調整した観察装置Ｅｊ用の画像処理パラメータから，観察装置Ｅｉ用の画像処理パラメータを設定する（Ｓ１６０５，Ｓ１６０６）。観察装置間のパラメータを相互に変換するために，図１７に示すような予め作成した観察装置間の関係を表す各パラメータについてのルックアップテーブルを用いて，パラメータを変換すればよい。このルックアップテーブルを作成するには，同一の欠陥を全ての観察装置で撮像し，任意の観察装置で撮像した画像に対し複数のパラメータで画像処理を行い，他の観察装置で撮像した画像において同様の結果が得られるパラメータを探索すればよい。例えば，観察装置Ｅ１で撮像した画像に対して，検出しきい値を２〜５まで４通り変化させて画像処理を行い，４通りの結果それぞれに対し，観察装置Ｅ２で撮像した画像において同様の結果が得られる画像処理パラメータを探索すればよい。もしくは，観察装置の撮像系の特性から定性的に考えられる対応関係を記憶させても良い。なお、このように予め作成した各観察装置間の対応関係を示すルックアップテーブルは図１８に示すように記憶部３０３内のパラメータ対応関係記憶部１８０１に格納しておけばよい。
本実施形態では、画像処理パラメータの設定において、各観察装置間の対応関係を示すルックアップテーブルを用いた変換を利用することにより、図１５に示すように、画像処理パラメータの作成をＳ１５０４〜Ｓ１５０６に示すループの中で繰り返し実行することなく、予め容易に設定することが可能となります。
なお、本実施形態では、複数の観察装置で撮像された欠陥画像が混在した場合を例に説明したが欠陥画像はこれに限られるものではなく、光学式の撮像手段によって得られた欠陥画像であってもよく、本実施形態の画像分類装置とネットワークで接続された種々の撮像装置による欠陥画像にも適用可能であることはいうまでもない。
【００３０】
以上、本発明者によってなされた発明を実施形態に基づき具体的に説明したが、本発明は上記実施形態に限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能である。
【符号の説明】
【００３１】
３０４・・・ユーザインターフェース部，３０５・・・ネットワークインターフェース部，３０７・・・画像処理演算部，３０８・・・分類処理演算部，３０９・・・画像記憶部，３１０・・・付帯情報記憶部，３１１・・・レシピ記憶部，３１２・・・入出力端末，３１３・・・分類パラメータ選択部，３１４・・・分類パラメータ作成部，４０１・・・走査型電子顕微鏡，４０５・・・ネットワークインターフェース部，４０６・・・ネットワークインターフェース部，Ｓ６０２・・・画像付帯情報読み込み処理，Ｓ６０３・・・観察装置を特定する処理，Ｓ６０４・・・観察装置に応じた分類パラメータを読み込む処理，Ｓ６０５・・・欠陥領域抽出処理，Ｓ６０６・・・ 特徴量算出処理，Ｓ６０７・・・欠陥分類処理，Ｓ７０４・・・画像処理パラメータ調整処理，Ｓ７０５・・・分類識別面作成処理，Ｓ８０３・・・欠陥領域と回路パタン領域を教示する処理，Ｓ８０４・・・画像処理パラメータ探索処理，Ｓ９０４・・・学習により分類識別面を作成する処理，Ｓ１６０６・・・画像処理パラメータを変換する処理，１８０１・・・パラメータの対応関係を記憶する記憶部
【特許請求の範囲】
【請求項１】
複数の異なる撮像装置で得られた複数の欠陥画像を欠陥の種類ごとに分類する画像分類方法であって、
分類対象の欠陥画像の付帯情報を読み込むステップと、
前記読み込まれた前記分類対象の欠陥画像の付帯情報に基づいて、前記複数の異なる撮像装置の中から前記分類対象の欠陥画像を撮像した撮像装置を特定するステップと、
前記複数の異なる撮像装置ごとに予め作成された複数の分類パラメータの中から前記特定された撮像装置に対応する分類パラメータを読み込むステップと、
前記読み込まれた分類パラメータを用いて前記分類対象の欠陥画像を分類するステップと、
を有することを特徴とする画像分類方法。
【請求項２】
請求項１記載の画像分類方法であって、
前記分類対象の欠陥画像を分類するステップでは、
前記読み込まれた分類パラメータに含まれる画像処理パラメータを用いて前記分類対象の欠陥画像から欠陥の領域を抽出するステップと、
前記抽出された欠陥の領域の特徴量を前記画像処理パラメータを用いて算出するステップと、
を有することを特徴とする画像分類方法。
【請求項３】
請求項２記載の画像分類方法であって、
前記分類対象の欠陥画像を分類するステップでは、
さらに、前記読み込まれた分類パラメータに含まれる分類識別面と前記算出された特徴量を用いて前記分類対象の欠陥画像を分類するステップと、
を有することを特徴とする画像分類方法。
【請求項４】
請求項２又は３記載の画像分類方法であって、
さらに、前記分類パラメータを読み込むステップの前に、前記複数の分類パラメータを作成するステップを有し、
前記複数の分類パラメータを作成するステップは、
前記複数の異なる撮像装置で得られた複数の欠陥画像に対して欠陥領域を教示するステップと、
前記教示された欠陥領域に基づいて前記画像処理パラメータを設定するステップと、
を有することを特徴とする画像分類方法。
【請求項５】
請求項２又は３記載の画像分類方法であって、
さらに、前記分類パラメータを読み込むステップの前に、前記複数の分類パラメータを作成するステップを有し、
前記複数の分類パラメータを作成するステップは、
前記複数の異なる撮像装置で得られた複数の欠陥画像に対して回路パタン領域を教示するステップと、
前記教示された回路パタン領域に基づいて前記画像処理パラメータを設定するステップと、
を有することを特徴とする画像分類方法。
【請求項６】
請求項２又は３記載の画像分類方法であって、
さらに、前記分類パラメータを読み込むステップの前に、前記複数の分類パラメータを作成するステップを有し、
前記複数の分類パラメータを作成するステップは、
前記複数の異なる撮像装置で得られた複数の欠陥画像に対して欠陥領域を教示するステップと、
前記複数の異なる撮像装置で得られた複数の欠陥画像に対して回路パタン領域を教示するステップと、
前記教示された欠陥領域と前記教示された回路パタン領域とに基づいて前記画像処理パラメータを設定するステップと、
を有することを特徴とする画像分類方法。
【請求項７】
請求項２又は３記載の画像分類方法であって、
さらに、前記分類パラメータを読み込むステップの前に、前記複数の分類パラメータを作成するステップを有し、
前記複数の分類パラメータを作成するステップでは、
前記複数の異なる撮像装置のうち少なくとも１台の撮像装置で得られた欠陥画像に基づいて設定された画像処理パラメータを用いて、他の撮像装置に対応する画像処理パラメータを設定するステップ
を有することを特徴とする画像分類方法。
【請求項８】
請求項７記載の画像分類方法であって、
前記他の撮像装置に対応する画像処理パラメータを設定するステップでは、
前記複数の異なる撮像装置間のパラメータの対応関係を示すルックアップテーブルを用いて、前記少なくとも１台の撮像装置で得られた欠陥画像に基づいて設定された画像処理パラメータを変換することにより前記他の撮像装置に対応する画像処理パラメータを設定することを特徴とする画像分類方法。
【請求項９】
請求項４乃至８のいずれかに記載の画像分類方法であって、
前記複数の分類パラメータを作成するステップは、
前記複数の異なる撮像装置ごとに欠陥画像を分類する前記分類識別面を作成するステップを有することを特徴とする画像分類方法。
【請求項１０】
複数の異なる撮像装置で得られた複数の欠陥画像を欠陥の種類ごとに分類する画像分類装置であって、
前記複数の欠陥画像と、前記複数の欠陥画像各々に対応する複数の付帯情報と、前記複数の異なる撮像装置各々に対応する複数の分類パラメータと、を格納した記憶手段と、
前記記憶手段から読み込まれた分類対象の欠陥画像に対応する付帯情報に基づいて、前記複数の異なる撮像装置の中から前記分類対象の欠陥画像を撮像した撮像装置を特定し、前記特定された撮像装置に対応する分類パラメータを選択して読み込む分類パラメータ選択手段と、
前記分類パラメータ選択手段により選択して読み込まれた分類パラメータに基づいて前記分類対象の欠陥画像を分類する分類処理手段と、
前記分類処理手段による分類結果を表示する表示手段と、
を有することを特徴とする画像分類装置。
【請求項１１】
請求項１０記載の画像分類装置であって、
さらに、前記分類パラメータ選択手段により選択して読み込まれた分類パラメータに含まれる画像処理パラメータを用いて前記分類対象の欠陥画像から欠陥の領域を抽出し、前記抽出された欠陥の領域の特徴量を算出する画像処理手段と、有し、
前記分類処理手段は、前記分類パラメータに含まれる分類識別面と前記算出された特徴量を用いて前記分類対象の欠陥画像を分類することを特徴とする画像分類装置。
【請求項１２】
請求項１０又は１１記載の画像分類装置であって、
さらに、前記記憶手段に格納された前記複数の分類パラメータを作成する分類パラメータ作成手段を有し、
前記分類パラメータ作成手段は、前記複数の欠陥画像に対する欠陥領域の教示情報に基づいて前記分類パラメータに含まれる画像処理パラメータを調整することを特徴とする画像分類装置。
【請求項１３】
請求項１０又は１１記載の画像分類装置であって、
さらに、前記記憶手段に格納された前記複数の分類パラメータを作成する分類パラメータ作成手段を有し、
前記分類パラメータ作成手段は、前記複数の欠陥画像に対する回路パタン領域の教示情報に基づいて前記分類パラメータに含まれる画像処理パラメータを調整することを特徴とする画像分類装置。
【請求項１４】
請求項１０又は１１記載の画像分類装置であって、
さらに、前記記憶手段に格納された前記複数の分類パラメータを作成する分類パラメータ作成手段を有し、
前記分類パラメータ作成手段は、前記複数の異なる撮像装置のうち少なくとも１台の撮像装置で得られた欠陥画像に基づいて設定された画像処理パラメータを用いて、他の撮像装置に対応する画像処理パラメータを設定することを特徴とする画像分類装置。
【請求項１５】
請求項１４記載の画像分類装置であって、
前記分類パラメータ作成手段は、前記記憶手段に格納された前記複数の異なる撮像装置間のパラメータの対応関係を示すルックアップテーブルを用いて、前記少なくとも１台の撮像装置で得られた欠陥画像に基づいて設定された画像処理パラメータを変換することにより前記他の撮像装置に対応する画像処理パラメータを設定することを特徴とする画像分類装置。
【請求項１】
複数の異なる撮像装置で得られた複数の欠陥画像を欠陥の種類ごとに分類する画像分類方法であって、
分類対象の欠陥画像の付帯情報を読み込むステップと、
前記読み込まれた前記分類対象の欠陥画像の付帯情報に基づいて、前記複数の異なる撮像装置の中から前記分類対象の欠陥画像を撮像した撮像装置を特定するステップと、
前記複数の異なる撮像装置ごとに予め作成された複数の分類パラメータの中から前記特定された撮像装置に対応する分類パラメータを読み込むステップと、
前記読み込まれた分類パラメータを用いて前記分類対象の欠陥画像を分類するステップと、
を有することを特徴とする画像分類方法。
【請求項２】
請求項１記載の画像分類方法であって、
前記分類対象の欠陥画像を分類するステップでは、
前記読み込まれた分類パラメータに含まれる画像処理パラメータを用いて前記分類対象の欠陥画像から欠陥の領域を抽出するステップと、
前記抽出された欠陥の領域の特徴量を前記画像処理パラメータを用いて算出するステップと、
を有することを特徴とする画像分類方法。
【請求項３】
請求項２記載の画像分類方法であって、
前記分類対象の欠陥画像を分類するステップでは、
さらに、前記読み込まれた分類パラメータに含まれる分類識別面と前記算出された特徴量を用いて前記分類対象の欠陥画像を分類するステップと、
を有することを特徴とする画像分類方法。
【請求項４】
請求項２又は３記載の画像分類方法であって、
さらに、前記分類パラメータを読み込むステップの前に、前記複数の分類パラメータを作成するステップを有し、
前記複数の分類パラメータを作成するステップは、
前記複数の異なる撮像装置で得られた複数の欠陥画像に対して欠陥領域を教示するステップと、
前記教示された欠陥領域に基づいて前記画像処理パラメータを設定するステップと、
を有することを特徴とする画像分類方法。
【請求項５】
請求項２又は３記載の画像分類方法であって、
さらに、前記分類パラメータを読み込むステップの前に、前記複数の分類パラメータを作成するステップを有し、
前記複数の分類パラメータを作成するステップは、
前記複数の異なる撮像装置で得られた複数の欠陥画像に対して回路パタン領域を教示するステップと、
前記教示された回路パタン領域に基づいて前記画像処理パラメータを設定するステップと、
を有することを特徴とする画像分類方法。
【請求項６】
請求項２又は３記載の画像分類方法であって、
さらに、前記分類パラメータを読み込むステップの前に、前記複数の分類パラメータを作成するステップを有し、
前記複数の分類パラメータを作成するステップは、
前記複数の異なる撮像装置で得られた複数の欠陥画像に対して欠陥領域を教示するステップと、
前記複数の異なる撮像装置で得られた複数の欠陥画像に対して回路パタン領域を教示するステップと、
前記教示された欠陥領域と前記教示された回路パタン領域とに基づいて前記画像処理パラメータを設定するステップと、
を有することを特徴とする画像分類方法。
【請求項７】
請求項２又は３記載の画像分類方法であって、
さらに、前記分類パラメータを読み込むステップの前に、前記複数の分類パラメータを作成するステップを有し、
前記複数の分類パラメータを作成するステップでは、
前記複数の異なる撮像装置のうち少なくとも１台の撮像装置で得られた欠陥画像に基づいて設定された画像処理パラメータを用いて、他の撮像装置に対応する画像処理パラメータを設定するステップ
を有することを特徴とする画像分類方法。
【請求項８】
請求項７記載の画像分類方法であって、
前記他の撮像装置に対応する画像処理パラメータを設定するステップでは、
前記複数の異なる撮像装置間のパラメータの対応関係を示すルックアップテーブルを用いて、前記少なくとも１台の撮像装置で得られた欠陥画像に基づいて設定された画像処理パラメータを変換することにより前記他の撮像装置に対応する画像処理パラメータを設定することを特徴とする画像分類方法。
【請求項９】
請求項４乃至８のいずれかに記載の画像分類方法であって、
前記複数の分類パラメータを作成するステップは、
前記複数の異なる撮像装置ごとに欠陥画像を分類する前記分類識別面を作成するステップを有することを特徴とする画像分類方法。
【請求項１０】
複数の異なる撮像装置で得られた複数の欠陥画像を欠陥の種類ごとに分類する画像分類装置であって、
前記複数の欠陥画像と、前記複数の欠陥画像各々に対応する複数の付帯情報と、前記複数の異なる撮像装置各々に対応する複数の分類パラメータと、を格納した記憶手段と、
前記記憶手段から読み込まれた分類対象の欠陥画像に対応する付帯情報に基づいて、前記複数の異なる撮像装置の中から前記分類対象の欠陥画像を撮像した撮像装置を特定し、前記特定された撮像装置に対応する分類パラメータを選択して読み込む分類パラメータ選択手段と、
前記分類パラメータ選択手段により選択して読み込まれた分類パラメータに基づいて前記分類対象の欠陥画像を分類する分類処理手段と、
前記分類処理手段による分類結果を表示する表示手段と、
を有することを特徴とする画像分類装置。
【請求項１１】
請求項１０記載の画像分類装置であって、
さらに、前記分類パラメータ選択手段により選択して読み込まれた分類パラメータに含まれる画像処理パラメータを用いて前記分類対象の欠陥画像から欠陥の領域を抽出し、前記抽出された欠陥の領域の特徴量を算出する画像処理手段と、有し、
前記分類処理手段は、前記分類パラメータに含まれる分類識別面と前記算出された特徴量を用いて前記分類対象の欠陥画像を分類することを特徴とする画像分類装置。
【請求項１２】
請求項１０又は１１記載の画像分類装置であって、
さらに、前記記憶手段に格納された前記複数の分類パラメータを作成する分類パラメータ作成手段を有し、
前記分類パラメータ作成手段は、前記複数の欠陥画像に対する欠陥領域の教示情報に基づいて前記分類パラメータに含まれる画像処理パラメータを調整することを特徴とする画像分類装置。
【請求項１３】
請求項１０又は１１記載の画像分類装置であって、
さらに、前記記憶手段に格納された前記複数の分類パラメータを作成する分類パラメータ作成手段を有し、
前記分類パラメータ作成手段は、前記複数の欠陥画像に対する回路パタン領域の教示情報に基づいて前記分類パラメータに含まれる画像処理パラメータを調整することを特徴とする画像分類装置。
【請求項１４】
請求項１０又は１１記載の画像分類装置であって、
さらに、前記記憶手段に格納された前記複数の分類パラメータを作成する分類パラメータ作成手段を有し、
前記分類パラメータ作成手段は、前記複数の異なる撮像装置のうち少なくとも１台の撮像装置で得られた欠陥画像に基づいて設定された画像処理パラメータを用いて、他の撮像装置に対応する画像処理パラメータを設定することを特徴とする画像分類装置。
【請求項１５】
請求項１４記載の画像分類装置であって、
前記分類パラメータ作成手段は、前記記憶手段に格納された前記複数の異なる撮像装置間のパラメータの対応関係を示すルックアップテーブルを用いて、前記少なくとも１台の撮像装置で得られた欠陥画像に基づいて設定された画像処理パラメータを変換することにより前記他の撮像装置に対応する画像処理パラメータを設定することを特徴とする画像分類装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【公開番号】特開２０１２−１４９９７２（Ｐ２０１２−１４９９７２Ａ）
【公開日】平成２４年８月９日（２０１２．８．９）
【国際特許分類】
【出願番号】特願２０１１−８３８７（Ｐ２０１１−８３８７）
【出願日】平成２３年１月１９日（２０１１．１．１９）
【出願人】（５０１３８７８３９）株式会社日立ハイテクノロジーズ (4,325)
【Ｆターム（参考）】
【公開日】平成２４年８月９日（２０１２．８．９）
【国際特許分類】
【出願日】平成２３年１月１９日（２０１１．１．１９）
【出願人】（５０１３８７８３９）株式会社日立ハイテクノロジーズ (4,325)
【Ｆターム（参考）】
[ Back to top ]