缺陷检查方法技术

本发明专利技术提供一种缺陷检查方法。在此方法中，从通过在至少一个晶片上执行热扫描的至少一个光学检查工具获得的检查图像中获取多个候选缺陷图像，且从检查图像提取多个属性。创建包含用于对候选缺陷图像进行分类的多个决策树的随机森林分类器，其中决策树是以属性和候选缺陷图像的不同子集来建构。在运行期间从光学检查工具获取多个候选缺陷图像并将其应用于决策树，且根据其中过滤出扰乱图像的决策树的投票来将候选缺陷图像分类成扰乱图像和实际缺陷图像。对具有超过置信度值的投票的实际缺陷图像进行取样以用于微观审查。藉此，可改进扰乱过滤的效率。

Defect inspection method

The invention provides a defect inspection method. In this method, a plurality of candidate defect images are obtained from the inspection image obtained by at least one optical inspection tool that performs thermal scanning on at least one chip, and multiple attributes are extracted from the inspection image. A random forest classifier containing multiple decision trees for classification of candidate defect images is created, in which decision trees are constructed by different subsets of attributes and candidate defect images. During operation, multiple candidate defect images are obtained from optical inspection tools and applied to decision tree, and the candidate defect images are classified into disturbed images and actual defect images according to the vote of decision tree filtered out of the disturbed images. The actual defective images with votes exceeding the confidence level are sampled for microscopic examination. Thus, the efficiency of disturbance filtering can be improved.

【技术实现步骤摘要】
缺陷检查方法
本专利技术的实施例是有关于一种缺陷检查方法，且特别是有关于一种电子设备的缺陷检查方法。
技术介绍
在现代半导体装置的制造工艺中，操纵各种材料和机器以产生最终产品。制造商致力于在处理期间减少粒子污染从而改进产品良率(yield)。由于半导体装置增加的复杂性和超小型晶体管的发展，进一步增进了对缺陷检测和控制的需求。对半成品的检查常常在制作期间通过使用光学检查工具来执行以便即时找到缺陷。光学检查工具可分析所扫描图像以识别缺陷类型且定位晶片上的缺陷，从而辅助操作人员评估并校正导致缺陷的制造工艺。为了检测子设计规则缺陷，光学检查工具在极高敏感度下运行，从而引起极高扰乱率(nuisancerate)。过滤出扰乱的当前解决方案是基于决策树，且依赖于有经验的操作人员人工地探索特征空间且微调树切割(treecut)，这消耗相当多的时间和劳力。
技术实现思路
本专利技术实施例提供一种缺陷检查方法，适用于电子设备，其特征在于，包括：从通过在至少一个晶片上执行热扫描的至少一个光学检查工具获得的多个检查图像中获取多个候选缺陷图像，且从所述检查图像提取多个属性；创建包含用于对所述候选缺陷图像进行分类的多个决策树的随机森林分类器，其中所述决策树是以所述属性和所述候选缺陷图像的不同子集建构；在运行期间从所述至少一个光学检查工具中的一个获取多个候选缺陷图像；将所述候选缺陷图像应用于所述随机森林分类器中的所述决策树，根据所述决策树的投票将所述候选缺陷图像分类成扰乱图像和实际缺陷图像，且从所述候选缺陷图像过滤出所述扰乱图像；以及对具有超过置信度值的所述投票的所述实际缺陷图像进行取样以用于微观审查。附图说明当结合附图阅读时，从以下详细描述最好地理解本揭露内容的各方面。应注意，根据行业中的标准惯例，各种特征未按比例绘制。实际上，为了论述清楚起见，可任意增大或减小各种特征的尺寸。图1说明根据本揭露内容的实施例的缺陷检查系统的示意性方块图；图2说明根据本揭露内容的实施例的说明对缺陷图像的过滤和分类的示意图；图3是根据本揭露内容的实施例的说明缺陷检查方法的流程图；图4是根据本揭露内容的实施例的说明波纹(rippleness)的提取的示意图；图5是根据本揭露内容的实施例的说明随机森林分类的示意图；图6A是根据本揭露内容的实施例的说明通过使用置信度值(confidencevalue)对缺陷和扰乱进行分类的曲线图；图6B是根据本揭露内容的实施例的说明缺陷和扰乱相对于投票(vote)的分布的缺陷投票直方图；图7是根据本揭露内容的实施例的说明两阶段过滤的示意图；图8是根据本揭露内容的实施例的说明缺陷检查方法的示意图；图9A是根据本揭露内容的实施例的说明候选缺陷图像的群集的示意图；图9B是根据本揭露内容的实施例的说明异常检测和分集取样的示意图；图10是根据本揭露内容的实施例的说明在监督学习和无监督学习中找到的缺陷类型的群体的示意图；附图标号说明：21、22、23、24、25、26、27、41、42、43、45、92：图像；44、imgs：候选缺陷图像；62：曲线图；64：缺陷投票直方图；94、96：分布图；100：缺陷检查系统；102：已知类型；104：缺陷类型；104a、104b：区域；110：第一连接装置；120：存储媒体；130：第二连接装置；140：处理器；200：光学检查工具；300：缺陷审查工具；510：候选缺陷图像实例；520：随机森林分类器；530：投票；540：最终类别；S302、S304、S306、S308、S310、S802、S804、S806、S808、S810、S812、S814、S816：步骤；T1、T2、Tn：决策树/树；C1、C2：决策边界；D1、D2：置信度值；DOIs：所关注的缺陷的图像；grp1、grp2、grp3、grp4：群组；P1、P2、P3：样本。具体实施方式以下揭露内容提供用于实施所提供主题的不同特征的许多不同实施例或实例。下文描述组件和布置的特定实例以简化本揭露内容。当然，这些组件和布置仅是实例且并不意欲为限制性的。举例来说，在以下描述中，第一特征在第二特征上方或上的形成可包含第一特征和第二特征直接接触地形成的实施例，且还可包含额外特征可形成于第一特征与第二特征之间以使得第一特征和第二特征可不直接接触的实施例。此外，本揭露内容可在各种实例中重复参考标号和/或字母。这种重复是出于简化和清楚的目的，且本身并不指示所论述的各种实施例和/或配置之间的关系。此外，为易于描述，如“在…下方”、“在…下”、“下部”、“在…上方”、“上部”等的空间相对术语可在本文中用于描述如图式中所说明的一个元件或特征与另一(一些)元件或特征的关系。除图式中所描绘的定向以外，空间相关术语意欲包涵装置在使用或操作中的不同定向。设备可以其它方式定向(旋转90度或处于其它定向)，且本文中所使用的空间相对描述词同样可相应地进行解释。图1说明根据本揭露内容的实施例的缺陷检查系统的示意性方块图。图2说明根据本揭露内容的实施例的说明对缺陷图像的过滤和分类的示意图。参看图1，缺陷检查系统100包含第一连接装置110、第二连接装置130、存储媒体120以及连接到第一连接装置110、第二连接装置130和存储媒体120的处理器140。在一些实施例中，缺陷检查系统100外部连接到至少一个光学检查工具(本实施例中是以光学检查工具200为例)且配置成通过第一连接装置110从光学检查工具200获取候选缺陷图像imgs(例如图2中展示的图像21到图像27)，其中光学检查工具200配置成在至少一个晶片上执行热扫描。缺陷检查系统100配置成分析所获取候选缺陷图像imgs以过滤出扰乱图像。在另一方面，缺陷检查系统100连接到缺陷审查工具300，且配置成在过滤之后对剩余的候选缺陷图像进行取样并将所取样候选缺陷图像(例如图2中展示的图像23、图像25以及图像27)发送到缺陷审查工具300以用于微观审查从而校验实际缺陷和扰乱。缺陷审查工具300是例如为高分辨率扫描电子显微镜(scanningelectronmicroscope，SEM)审查工具或基于激光的缺陷审查工具，但本揭露内容不限于此。在一些实施例中，缺陷检查系统100可设置或嵌入于光学检查工具200中，这在本文中不受限制。缺陷检查系统100、光学检查工具200以及缺陷审查工具300将详细地描述于以下描述中。第一连接装置110配置成连接到光学检查工具200以从通过光学检查工具200获得的多个检查图像中获取候选缺陷图像imgs。第一连接装置是例如为与光学检查工具200相容的任何有线或无线接口，如USB、火线、雷电接口(thunderbolt)、通用异步接收发送设备(universalasynchronousreceiver/transmitter，UART)、串行外围接口(serialperipheralinterface，SPI)、WiFi或蓝牙，这在本文中不受限制。第二连接装置130配置成连接到缺陷审查工具300以将所取样候选缺陷图像发送到缺陷审查工具300以用于微观审查。第二连接装置130是例如为与缺陷审查工具300相容的任何有线或无线接口，如USB、火线、雷电接口、UART、SPI、WiFi或蓝牙，这在本文中本文档来自技高网...

【技术保护点】
1.一种缺陷检查方法，适用于电子设备，其特征在于，包括：从通过在至少一个晶片上执行热扫描的至少一个光学检查工具获得的多个检查图像中获取多个候选缺陷图像，且从所述检查图像提取多个属性；创建包含用于对所述候选缺陷图像进行分类的多个决策树的随机森林分类器，其中所述决策树是以所述属性和所述候选缺陷图像的不同子集建构；在运行期间从所述至少一个光学检查工具中的一个获取多个候选缺陷图像；将所述候选缺陷图像应用于所述随机森林分类器中的所述决策树，根据所述决策树的投票将所述候选缺陷图像分类成扰乱图像和实际缺陷图像，且从所述候选缺陷图像过滤出所述扰乱图像；以及对具有超过置信度值的所述投票的所述实际缺陷图像进行取样以用于微观审查。

【技术特征摘要】
2017.11.20 US 62/588,838;2018.03.29 US 15/939,3111.一种缺陷检查方法，适用于电子设备，其特征在于，包括：从通过在至少一个晶片上执行热扫描的至少一个光学检查工具获得的多个检查图像中获取多个候选缺陷图像，且从所述检查图像提取多个属性；创建包含用于对所述候选缺陷图...

【专利技术属性】
技术研发人员：陈建辉，钟弘毅，洪肇廷，李正匡，陈晓萌，许登程，
申请(专利权)人：台湾积体电路制造股份有限公司，
类型：发明
国别省市：中国台湾,71