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 ]