用于使用局部自适应阈值识别制造组件缺陷的系统、方法及计算机程序产品与流程

本申请案主张2016年3月17日申请的第62/309,613号美国临时专利申请案的权益，所述美国专利申请案的全部内容以引用的方式并入本文中。

本发明涉及制造组件的检验，且更特定来说涉及检测制造组件中的缺陷。

背景技术

缺陷检验在用于集成电路(ic)制造的半导体晶片处理的良率管理中起关键作用。对于其它制造组件，情况可同样如此。识别是否存在缺陷是基于从光学系统获得的晶片图像。

当前，可通过比较制造装置的目标组件(例如，目标裸片的部分)与所述制造装置的参考组件(例如，其它参考裸片的对应部分)而检测制造组件(例如，晶片)中的缺陷，这是因为晶片常常经配置而至少在同一附近(inasamevicinity)具有重复裸片(即，跨裸片具有重复图案)。举例来说，所述参考裸片可能邻近于或以其它方式最接近目标裸片。一般来说，检验系统通过针对比较目的取得目标及参考组件的图像而完成此。举例来说，激光扫描仪将跨多个裸片扫描晶片的线以收集那条线的图像。接着，检验系统将取得目标及参考裸片中的每一者的对应部分的一块图像。

接着，通过使用图像执行两个单独比较以产生两个单独结果而检测缺陷，一个比较是在目标组件与参考组件中的一者之间，且另一比较是在目标组件与参考组件中的另一者之间。通常使用组合那些比较结果的值作为目标组件中的缺陷的信号。此往往称为双重检测。

然而，不幸地，目标及参考组件图像包含来自系统及过程的显著噪声。此噪声问题是限制检验系统的灵敏度的主要问题之一。因此，提取噪声统计资料对于检验算法是至关重要的。现有检验算法跨整个区(关照区域群组)收集噪声统计资料。然而，随着设计规则的缩小，在逻辑区中采用越来越多的检验工具。通常，逻辑区在设计图案方面如此复杂，使得整个区的统计资料对于具有可能缺陷的特定局部区域不具足够代表性。此将限制检验算法灵敏度。

因此，需要解决与用于制造组件中的缺陷检测的现有技术相关联的这些及/或其它问题。

技术实现要素：

提供一种用于使用局部自适应阈值识别制造组件缺陷的系统、方法及计算机程序产品。在使用时，接收制造装置的目标组件的第一图像，针对所述目标组件接收所述制造装置的第一参考组件的第二图像，且针对所述目标组件接收所述制造装置的第二参考组件的第三图像。另外，基于所述第一图像与所述第二图像的第一比较产生第一差异图像，所述第一差异图像指示所述第一图像与所述第二图像之间的差异，基于所述第一图像与所述第三图像的第二比较产生第二差异图像，所述第二差异图像指示所述第一图像与所述第三图像之间的差异，且基于所述第一差异图像及所述第二差异图像产生第三差异图像，所述第三差异图像指示所述目标组件的缺陷信号。从所述第三差异图像识别出缺陷候选。此外，针对所述第三差异图像中的位置处的经识别缺陷候选中的每一者：基于所述缺陷候选的所述位置周围的局部区域确定阈值；且比较所述缺陷候选的所述位置处的信号与所述阈值以确定所述缺陷候选是否为缺陷。

附图说明

图1a展示说明包含可在计算机系统上执行以执行本文中描述的计算机实施方法的一或多者的程序指令的非暂时性计算机可读媒体的一个实施例的框图。

图1b是说明经配置以检测制造装置上的缺陷的检验系统的一个实施例的侧视图的示意图。

图2说明根据实施例的用于使用局部自适应阈值识别制造组件缺陷的方法。

图3说明根据实施例的用于从由检验系统的单个通道收集的信息确定局部自适应阈值的方法。

图4说明根据实施例的用于从由检验系统的多个通道收集的信息确定局部自适应阈值的方法。

图5说明根据实施例的用于配置用于识别制造组件缺陷的设置的用户接口。

具体实施方式

以下描述揭示经提供用于使用局部自适应阈值识别制造组件缺陷的系统、方法及计算机程序产品。应注意，可在任何集成及/或单独计算机及检验系统(例如，晶片检验、主光罩检验、激光扫描检验系统等)(例如下文关于图1a到b描述的检验系统)的上下文中实施此系统、方法及计算机程序产品，包含下文描述的各种实施例。

额外实施例涉及一种非暂时性计算机可读媒体，其存储可在计算机系统上执行以执行用于使用局部自适应阈值识别制造组件缺陷的计算机实施方法的程序指令。图1a中展示一个此实施例。特定来说，如图1a中展示，计算机可读媒体100包含可在计算机系统104上执行的程序指令102。计算机实施方法包含下文关于图2描述的方法的步骤。其程序指令可执行的计算机实施方法可包含本文中描述的任何其它操作。

实施例如本文中描述的方法的方法的程序指令102可存储于计算机可读媒体100上。计算机可读媒体可为存储媒体，例如磁盘或光盘、或磁带，或所属领域中已知的任何其它适合非暂时性计算机可读媒体。作为选项，计算机可读媒体100可定位于计算机系统104内。

程序指令可以各种方式中的任何者实施，所述方式包含基于程序的技术、基于组件的技术及/或面向对象技术等。举例来说，可视需要使用activex控件、c++对象、javabeans、微软基础类别(“mfc”)或其它技术或方法论来实施程序指令。

计算机系统104可采取各种形式，包含个人计算机系统、图像计算机、主计算机系统、工作站、网络设备、因特网设备或其它装置。一般来说，术语“计算机系统”可广泛定义为涵盖具有执行来自存储器媒体的指令的一或多个处理器的任何装置。计算机系统104还可包含所属领域中已知的任何适合处理器，例如并行处理器。另外，计算机系统104可包含具有高速处理及软件的计算机平台，其作为独立工具或网络工具。

额外实施例涉及一种经配置以检测制造装置上的缺陷的系统。图1b中展示此系统的一个实施例。系统包含经配置以针对制造于晶片(或另一装置)上的组件产生输出的检验系统105，其在此实施例中如本文中进一步描述那样配置。系统还包含经配置以执行下文关于图2描述的操作的一或多个计算机系统。一或多个计算机系统可经配置以执行根据本文中描述的实施例中的任何者的这些操作。计算机系统及系统可经配置以执行本文中描述的任何其它操作且可如本文中描述那样进一步配置。

在图1b中展示的实施例中，计算机系统中的一者是电子自动化设计(ead)工具的部分，且检验系统及计算机系统的另一者并非ead工具的部分。这些计算机系统可包含例如上文关于图1a描述的计算机系统104。举例来说，如图1b中展示，计算机系统中的一者可为包含于ead工具106中的计算机系统108。ead工具106及包含于此工具中的计算机系统108可包含任何市售ead工具。

检验系统105可经配置以通过用光扫描晶片且在扫描期间检测来自所述晶片的光而针对制造于所述晶片上的组件产生输出。举例来说，如图1b中展示，检验系统105包含光源120，其可包含所属领域中已知的任何适合光源。可将来自光源的光引导到光束分离器118，光束分离器118可经配置以将来自光源的光引导到晶片122。光源120可耦合到任何其它适合元件(未展示)，例如一或多个聚光透镜、准直透镜、中继透镜、物镜、光圈、光谱滤光片、偏光组件及类似物。如图1b中展示，光可以法向入射角引导到晶片122。然而，光可以包含接近法向及倾斜入射的任何适合入射角引导到晶片122。另外，光或多个光束可以一个以上入射角循序或同时引导到晶片122。检验系统105可经配置以按任何适合方式用光在晶片122上方扫描。

可在扫描期间由检验系统105的一或多个通道收集并检测来自晶片122的光。举例来说，以相对接近法向的角度从晶片122反射的光(即，入射是法向时的镜面反射光)可行进穿过光束分离器118而到透镜114。透镜114可包含如图1b中展示的折射光学元件。另外，透镜114可包含一或多个折射光学元件及/或一或多个反射光学元件。由透镜114收集的光可聚焦到检测器112。检测器112可包含所属领域中已知的任何适合检测器，例如电荷耦合装置(ccd)或另一类型的成像检测器。检测器112经配置以产生响应于由透镜114收集的反射光的输出。因此，透镜114及检测器112形成检验系统105的一个通道。检验系统105的此通道可包含所属领域中已知的任何其它适合光学组件(未展示)。

由于图1b中展示的检验系统经配置以检测从晶片122镜面反射的光，所以检验系统105是配置为bf检验系统。然而，此检验系统105也可经配置用于其它类型的晶片检验。举例来说，图1b中展示的检验系统还可包含一或多个其它通道(未展示)。其它通道可包含配置为散射光通道的本文中描述的任何光学组件，例如透镜及检测器。透镜及检测器可如本文中描述那样进一步配置。以此方式，检验系统105还可经配置用于df检验。

检验系统105还可包含经配置以执行本文中描述的方法的一或多个步骤的计算机系统110。举例来说，上文描述的光学元件可形成检验子系统105的光学子系统111，检验子系统105还可包含耦合到光学子系统111的计算机系统110。以此方式，可将在扫描期间由检测器产生的输出提供到计算机系统110。举例来说，计算机系统110可(例如，由图1b中的虚线所展示的一或多个传输媒体，其可包含所属领域中已知的任何适合传输媒体)耦合到检测器112，使得计算机系统110可接收由检测器产生的输出。

检验系统105的计算机系统110可经配置以执行本文中描述的任何操作。举例来说，计算机系统110可经配置以执行如本文中描述的缺陷检测。另外，计算机系统110可经配置以执行本文中描述的任何其它步骤。此外，尽管本文中描述的一些操作可由不同计算机系统执行，但方法的全部操作可由例如检验系统105的计算机系统或独立计算机系统的单个计算机系统执行。另外，计算机系统中的一或多者可配置为虚拟检验器，例如在2012年2月28日颁予巴斯卡尔(bhaskar)等人的第8,126,255号美国专利中所描述，所述美国专利案如全文陈述以引用的方式并入本文中。

检验系统105的计算机系统110也可耦合到并非检验系统的部分的另一计算机系统，例如计算机系统108，其可包含于例如上文中描述的ead工具106的另一工具中使得计算机系统110可接收由计算机系统108产生的输出，所述输出可包含由那个计算机系统108产生的设计。举例来说，两个计算机系统可由共享计算机可读存储媒体(例如晶片厂数据库)有效地耦合或可由例如上文描述的传输媒体的传输媒体耦合，使得可在所述两个计算机系统之间传输信息。

应注意，本文中提供图1b以大体上说明可包含于本文中描述的系统实施例中的检验系统的配置。显然，可更改本文中描述的检验系统配置以如在设计商用检验系统时所通常执行那样优化检验系统的性能。另外，可使用例如商业上可购自科磊公司(kla-tencor)的29xx/28xx系列工具的现存检验系统(例如，通过将本文中描述的功能性添加到现存检验系统)来实施本文中描述的系统。对于一些此类系统，本文中描述的方法可提供为系统的任选功能性(例如，除了系统的其它功能性之外)。或者，可“从头开始”设计本文中描述的系统以提供全新系统。

图2说明根据实施例的用于使用局部自适应阈值识别制造组件缺陷的方法200。如操作202中展示，接收制造装置的目标组件的第一图像，针对所述目标组件接收所述制造装置的第一参考组件的第二图像，且针对所述目标组件接收所述制造装置的第二参考组件的第三图像。在一个实施例中，制造装置可为具有重复裸片的晶片。在另一实施例中，目标组件可为裸片中的第一者的一部分，且第一及第二参考组件可分别为裸片中的第二者及第三者的对应部分。以此方式，目标组件及参考组件可具有相似图案。

另外，可从检验系统(例如上文关于图1b描述的检验系统)接收第一、第二及第三图像。举例来说，检验可分别从目标组件及参考组件收集第一、第二及第三图像。可使用检验系统的单个通道(例如，收集器)来收集这些图像。预期其中利用来自检验系统的多个通道的信息来检测缺陷的其它实施例，下文关于图4描述其实例。

如操作204中展示，基于第一图像与第二图像的第一比较产生第一差异图像，第一差异图像指示第一图像与第二图像之间的差异。因此，第一差异图像可表示目标组件与第一参考组件之间的差异。

此外，如操作206中展示，基于第一图像与第三图像的第二比较产生第二差异图像，第二差异图像指示在第一图像与第三图像之间的差异。因此，第二差异图像可表示目标组件与第二参考组件之间的差异。

接着，如操作208中展示，基于第一差异图像及第二差异图像产生第三差异图像，第三差异图像指示目标组件的缺陷信号。举例来说，可通过将第一及第二差异图像相乘而产生第三差异图像。在操作209中，从第三差异图像识别缺陷候选。在实施例中，可将第三差异图像中具有至少一预定义最小信号电平的全部位置确定为缺陷候选。换句话来说，当来自第三图像的像素的信号大于至少一预定义最小量时，那么可将第三差异图像中的对应位置识别为缺陷候选(即，可能缺陷)。此预定义最小量可为默认值或由用户配置的值。第三差异图像中的那个位置可具有依据第一及第二差异图像中的对应位置中的每一者处的强度等级而确定的强度等级。表1说明通过其确定缺陷信号的一个实例方程式。当然，仅出于说明性目的而陈述表1中陈述的方程式。

表1

signal(x,y)＝sqrt(|t(x,y)–r1(x,y)|*|t(x,y)–r2(x,y)|)，

其中t是目标组件的图像，

r1是第一参考组件的图像，

r2是第一参考组件的图像，且

x,y是位置。

又，如操作210中展示，针对第三差异图像中的位置处的经识别缺陷候选中的每一者：基于缺陷候选的位置周围的局部区域确定阈值，且比较缺陷候选的位置处的信号与阈值以确定所述缺陷候选是否为缺陷。因此，可针对每一缺陷候选确定单独阈值且接着使用其来确定所述缺陷候选是否为缺陷。以此方式，可基于缺陷候选的局部噪声电平适应性地改变检验的阈值。

在一个实施例中，可使用预定义窗大小确定局部区域。预定义窗大小可为默认值及/或可为可由用户配置的。因此，局部区域可具有预定义窗大小，且进一步可以缺陷候选为中心。在一个示范性实施例中，预定义窗大小可为33×33像素，或其可依据缺陷候选的大小而变化。

如上文所述，基于缺陷候选的位置周围的局部区域确定阈值。缺陷候选的位置周围的局部区域可意味着局部区域排除缺陷候选。作为另一选项，局部区域可围绕以缺陷候选为中心的信号方块。此信号方块的大小可从默认值确定及/或可为可由用户配置的。在一个示范性实施例中，信号方块大小可为7×7像素，或其可依据上文提及的预定义窗大小而变化。

在一个实施例中，阈值可依据针对缺陷候选的位置周围的局部区域确定的噪声统计资料而确定。噪声统计资料可依据局部区域中的位置中的每一者的强度等级而计算。此允许噪声统计资料及因此阈值特定于缺陷候选的邻近区域。以此方式，例如，相对安静的局部区域可导致相应低阈值，此将使能够检测相对安静的局部邻域中的弱缺陷信号。另一方面，相对嘈杂局部区域可导致相应高阈值。下文关于图3描述计算噪声统计资料及又计算阈值的一个特定实施例。

也如上文所述，阈值一旦确定，就比较缺陷候选的位置处的信号(即，强度值)与所述阈值以确定缺陷候选是否为缺陷。上文在表1中描述此信号的实例。在实施例中，当信号达到或超过阈值时，缺陷候选可识别为缺陷。在另一实施例中，当信号低于阈值时，缺陷候选不能识别为缺陷(即，可识别为无缺陷)。

图3说明根据实施例的用于从由检验系统的单个通道收集的信息确定局部自适应阈值的方法300。可在图2中的操作210的上下文中执行方法300。另外，上文描述可同样适用于以下实施例。

如操作302中展示，识别从目标组件及参考组件的图像产生的差异图像。举例来说，差异图像可为上文关于图2中的操作208描述的第三差异图像。从所述差异图像识别缺陷候选，如操作304中展示。举例来说，对于差异图像中的位置处的一些信号，当所述信号超过预定义最小信号电平(例如，参见上述图2的209中的预定义最小信号电平)时，可将其识别为缺陷候选。

接着，如操作306中展示，从预定义窗大小确定缺陷候选(其在差异图像内)周围的局部区域。在一个实施例中，局部区域可具有预定义窗大小且可以缺陷候选为中心。局部区域可排除缺陷候选，或其可进一步排除缺陷候选周围的另一预定义大小的方块。因此，方块的预定义大小可小于局部区域的预定义窗大小。

接着，在操作308中，确定局部区域中的每一位置的噪声。局部区域中的每一位置的噪声可定义为对应于所述局部区域中的每一像素位置的强度范围，从第一、第二及第三图像中的每一对应像素确定所述强度范围。表2说明用于确定特定位置处的噪声的示范性方程式。当然，此方程式仅出于说明性目的而陈述且不应以任何方式解释为限制性的。

表2

range(x,y)＝max(t(x,y),r1(x,y),r2(x,y))–min(t(x,y),r1(x,y),r2(x,y))

其中t是缺陷候选，

r1是第一参考图像，

r2是第二参考图像，且

x,y是位置。

特定来说，在表2中展示的方程式中，用于缺陷候选的局部区域中的特定位置处的强度范围定义为1)跨目标组件的图像及参考组件的图像中的对应位置的最大信号值与2)跨目标组件的图像及参考组件的图像中的所述对应位置的最小信号值之间的差异。

此外，如操作310中展示，从使用操作308中确定的噪声计算的噪声统计资料确定阈值。噪声统计资料可依据对应于局部区域中的每一位置的强度范围而变化。在本实施例中，噪声统计资料可包含针对局部区域中的位置确定的平均噪声及噪声的标准偏差。阈值可依据噪声统计资料而确定。表3说明可通过其确定阈值的方程式。再次，此方程式仅出于说明性目的而陈述且不应以任何方式解释为限制性的。

表3

th＝μrange+l·σrange，

其中th是阈值，

μrange是针对局部区域中的每一位置确定的范围(参见表2)的平均值，

l是预定义值(例如，可由用户配置)，其可定义为与平均值的若干标准偏差，且

σrange是针对局部区域中的每一位置确定的范围(参见表2)的标准偏差。

为此，方法300提供用于从由检验系统的单个通道收集的信息确定局部自适应阈值的实施例。在另一实施例中，可从由检验系统的多个通道收集的信息确定阈值。图4说明根据实施例的用于从由检验系统的多个通道收集的信息确定局部自适应阈值的方法400。应注意，上文描述可同样适用于以下实施例。

在操作402中，针对检验系统的每一指定通道识别差异图像。举例来说，这些差异图像中的每一者可为上文关于图2中的操作208描述的第三差异图像。然而，在本描述中，每一指定通道的差异图像是从已使用那个通道收集的目标及参考组件的图像产生的差异图像。这些经识别差异图像在下文中可称为通道特定差异图像。此外，通道中的每一者可定位在检验系统内的不同位置处以从不同位置(例如，角度等)检验制造装置。作为一选项，针对本方法400利用的检验系统的通道可为用户可配置的(参见图5中的项目507)且因此由用户指定。

在操作404中，从操作402中识别的通道特定差异图像产生融合差异图像，其中融合差异图像中的每一位置处的信号(在下文中，融合信号)是基于处于通道特定差异图像中的对应位置处的信号的组合。在涉及从来自两个通道的信息产生的融合差异图像的一个示范性实施例中，每一位置处的融合信号可计算为单个通道的信号的乘积的平方根。虽然本实施例仅描述从由两个通道收集的信息产生的融合差异图像，但应注意，在其它实施例中，可利用任何数目个额外通道。举例来说，在三个通道的情况中，融合差异图像中的特定位置(x,y)处的融合信号可为跨从三个通道确定的差异图像的特定位置(x,y)处的信号的乘积的立方根。

从融合差异图像识别缺陷候选，如操作406中展示。举例来说，对于融合差异图像中的位置处的一些融合信号，当那个融合信号超过预定义最小信号电平时，可将其识别为缺陷候选。此预定义最小信号电平可为用户可配置的(例如，参见图5中的通道融合lat的绝对最小值)。

接着，如操作408中展示，从预定义窗大小确定缺陷候选(其在融合差异图像内)周围的局部区域。在一个实施例中，局部区域可具有预定义窗大小且可以缺陷候选为中心。局部区域可排除缺陷候选，或其可进一步排除缺陷候选周围的另一预定义大小的方块。因此，方块的预定义大小可小于局部区域的预定义窗大小。

接着，在操作410中，确定局部区域中的每一位置的噪声。可通过组合通道特定差异图像中的对应位置的噪声而确定融合差异图像的局部区域中的特定位置处的噪声(例如，在图3的308中描述)。表4说明用于针对特定位置组合关于检验系统的每一指定通道确定的噪声的方程式。表4中陈述的方程式仅用于说明性目的，使得应注意，可视情况以其它方式组合噪声。

表4

其中rangech12是特定位置处关于检验系统的两个不同通道的组合噪声，

rangech1是所述特定位置处关于通道中的一者确定的噪声(例如，使用表2中展示的方程式计算)，且

rangech2是所述特定位置处关于通道中的第二者确定的噪声(例如，使用表2中展示的方程式计算)。

虽然本实施例仅描述关于两个通道组合噪声，但应注意，在其它实施例中，可类似地组合关于任何数目个额外通道确定的噪声。举例来说，在三个通道的情况中，组合噪声可为在特定位置处关于三个通道中的每一者确定的噪声的乘积的立方根。

一旦在操作410中针对缺陷候选的局部区域中的位置中的每一者确定噪声，就从那个噪声计算的噪声统计资料确定阈值(参见操作412)。此阈值可通过将表3中的方程式应用于操作410中确定的噪声而确定，且此外所述阈值接着可应用于融合差异图像中的缺陷候选的融合信号，举例来说如上文关于图2描述。

图5说明根据实施例的用于配置用于识别制造组件缺陷的设置的用户接口500。可在图2到4的描述(包含上文关于用户接口的描述)的上下文中实施用户接口500。举例来说，用户接口500可由用户利用以在执行上文关于图3描述的方法300之前配置设置。再一次，应注意，上述定义可同样适用于以下描述。

用户接口500包含用于用户视需要配置用于关于个别通道501及通道组合507执行的缺陷检测的参数的选项。对于个别通道501及通道组合507中的每一者，用户接口500包含执行选项506(“运行”)，其在由用户选择之后启用使用所述个别通道501及/或通道组合507的缺陷检测。

对于个别通道501及通道组合507中的每一者，用户接口500还允许用户定义阈值502(即表3中的l)及绝对最小值504(即，目标及参考组件图像所需的预定义最小差异等级)。可凭经验确定阈值502。

虽然上文已描述各种实施例，但应理解，其仅已通过实例而非限制的方式呈现。因此，优选实施例的广度及范围不应受限于上述示范性实施例中的任何者，而是应仅根据所附权利要求书及其等效物定义。