[发明专利]缺陷检查方法

说明书

本发明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。

技术领域

本发明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。

背景技术

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(nuisance rate)。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(tree cut)，这消耗相当多的时间和劳力。

发明内容

本发明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(confidence value)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；