[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

WO2012057198A1 - 画像処理装置およびコンピュータプログラム - Google Patents

画像処理装置およびコンピュータプログラム Download PDF

Info

Publication number
WO2012057198A1
WO2012057198A1 PCT/JP2011/074662 JP2011074662W WO2012057198A1 WO 2012057198 A1 WO2012057198 A1 WO 2012057198A1 JP 2011074662 W JP2011074662 W JP 2011074662W WO 2012057198 A1 WO2012057198 A1 WO 2012057198A1
Authority
WO
WIPO (PCT)
Prior art keywords
pattern
image
scum
edge
data
Prior art date
Application number
PCT/JP2011/074662
Other languages
English (en)
French (fr)
Inventor
康隆 豊田
昇雄 長谷川
松岡　良一
山口　敦子
Original Assignee
株式会社 日立ハイテクノロジーズ
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 株式会社 日立ハイテクノロジーズ filed Critical 株式会社 日立ハイテクノロジーズ
Priority to KR1020137010641A priority Critical patent/KR101549314B1/ko
Priority to JP2012540902A priority patent/JP5548780B2/ja
Priority to US13/882,141 priority patent/US9183622B2/en
Publication of WO2012057198A1 publication Critical patent/WO2012057198A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B15/00—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons
    • G01B15/04—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons for measuring contours or curvatures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/02—Details
    • H01J37/22—Optical, image processing or photographic arrangements associated with the tube
    • H01J37/222—Image processing arrangements associated with the tube
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/26—Electron or ion microscopes; Electron or ion diffraction tubes
    • H01J37/28—Electron or ion microscopes; Electron or ion diffraction tubes with scanning beams
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30141—Printed circuit board [PCB]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30152—Solder
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
    • H01J2237/245—Detection characterised by the variable being measured
    • H01J2237/24571—Measurements of non-electric or non-magnetic variables
    • H01J2237/24578—Spatial variables, e.g. position, distance
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
    • H01J2237/245—Detection characterised by the variable being measured
    • H01J2237/24592—Inspection and quality control of devices
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
    • H01J2237/26—Electron or ion microscopes
    • H01J2237/28—Scanning microscopes
    • H01J2237/2813—Scanning microscopes characterised by the application
    • H01J2237/2817—Pattern inspection
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L2924/00—Indexing scheme for arrangements or methods for connecting or disconnecting semiconductor or solid-state bodies as covered by H01L24/00
    • H01L2924/0001—Technical content checked by a classifier
    • H01L2924/0002—Not covered by any one of groups H01L24/00, H01L24/00 and H01L2224/00

Definitions

  • the present invention relates to an image processing apparatus that executes image processing of image data obtained by a charged particle beam apparatus or the like, and a computer program that realizes the image processing, and in particular, based on the obtained image data,
  • the present invention relates to an image processing apparatus for detecting defects and a computer program.
  • Scum is a typical defect caused by the manufacturing process.
  • the scum is a thin film resist remaining at the bottom of the resist pattern after the development process. When scum is generated, the scum portion is not etched and the pattern may be short-circuited. Therefore, it is necessary to inspect the position where the scum occurs and the frequency of occurrence depending on the process conditions.
  • a defect when detecting a defect, there is a method of comparing the shape of a normal circuit pattern (hereinafter referred to as a reference pattern) in which no defect has occurred and a circuit pattern to be inspected (hereinafter referred to as an inspection pattern).
  • a reference pattern a circuit pattern to be inspected
  • an inspection pattern a circuit pattern to be inspected
  • an operator selects a circuit pattern having an ideal shape from among circuit patterns formed on a wafer, and the reference pattern image is created by photographing the circuit pattern.
  • an inspection pattern is photographed, and the luminance difference between images is calculated by superimposing the inspection pattern and the reference pattern.
  • Citation 1 discloses a technique for detecting a defect by comparing a reference pattern image formed based on design data with an inspection pattern.
  • the luminance at the scum position is different from the luminance of the reference pattern image, so the difference value of the luminance is larger than that at the non-scum position. Using this property, it is conceivable to detect a point on an image having a large luminance difference value as a scum.
  • an image processing apparatus and a computer program for acquiring image data and detecting edge branch points branched in at least three directions from the image data are proposed.
  • the flowchart explaining the process of extracting an edge branch point from image data The figure explaining an example of the measurement of a pattern containing a scanning electron microscope, or an inspection system. The figure explaining an example of a scanning electron microscope image. The figure explaining the example which set the inspection coordinate on design data. The figure explaining the example which performed the pattern matching between design data and image data.
  • the figure explaining the example of a display of output data The flowchart explaining the process of performing pattern matching, after patterning pattern data.
  • the figure explaining the detection process of an edge branch point The figure which shows the template group used for the detection of an edge branch point.
  • the figure explaining the example which performs a scum detection using two outline data The flowchart explaining the process of specifying the groove part of a pattern by matching with the outline data of a pattern, and design data, and detecting a scum.
  • the flowchart explaining the process of detecting a scum using a backscattered electron image The figure explaining the example of the fall of a pattern.
  • an image processing apparatus that mainly acquires image data of an electronic device, detects edge points branched in at least three directions from the image data, and generates information about the detected edge points; And a computer program is proposed.
  • coordinate data of the edge point can be given.
  • number of edge points is mentioned as another example of the information regarding edge points.
  • the inspection area of the image data corresponding to the coordinate data of the electronic device in which the occurrence of a defect is estimated by design-based layout verification or model-based layout verification is specified, and is limited to the inspection area. Then, an image processing apparatus and a computer program for generating information related to the edge point are proposed.
  • the inspection data may be classified based on the design layout data corresponding to the circuit pattern close to the edge point.
  • the inspection data based on the edge point of the image data may be generated based on the coordinate data of the electronic device to generate a data file in which the inspection data is recorded.
  • data for displaying information on edge points on the screen may be generated.
  • the target of screen display may be the data file described above.
  • an image processing apparatus mounted on a scanning electron microscope (SEM) or an image processing apparatus connected to the SEM via a communication line or the like will be described as an example.
  • the present invention is not limited to this, and a process as described later may be performed using a general-purpose arithmetic device that executes image processing by a computer program.
  • the method described later can also be applied to the case where defect detection is performed based on an acquired image by another charged particle beam apparatus such as a focused ion beam (FIB) apparatus.
  • FIB focused ion beam
  • edge points branched in at least three directions from image data obtained by photographing an electronic device by detecting edge points branched in at least three directions from image data obtained by photographing an electronic device, and generating inspection data based on the edge points, it is possible to perform inspection more than inspection using a reference pattern. Accurate inspection can be performed with high throughput.
  • FIG. 2 is a schematic configuration diagram of a semiconductor inspection system including an SEM.
  • the semiconductor inspection system includes an SEM 201 that acquires circuit pattern image data and a control device 214 that detects defects by analyzing the image data.
  • the SEM 201 irradiates a sample 203 such as a wafer on which an electronic device is manufactured with an electron beam 202, captures electrons emitted from the sample 203 with the secondary electron detector 204 and the reflected electron detectors 205 and 206, and performs A / D
  • the converter 207 converts it into a digital signal.
  • the digital signal is input to the control device 214 and stored in the memory 208.
  • the image processing hardware 210 such as the CPU 209, ASIC, or FPGA performs image processing according to the purpose, and a circuit pattern defect such as scum is inspected.
  • the control device 214 also has a function of creating a line profile based on the detection signal and measuring a dimension between peaks of the profile. That is, the inspection system illustrated in FIG. 2 also functions as a semiconductor device measurement apparatus.
  • control device 214 is connected to a display device 211 having an input means, and has a function such as a GUI (Graphical User Interface) that displays images, inspection results, and the like to the user.
  • GUI Graphic User Interface
  • control in the control device 214 can be assigned to a CPU or an electronic computer equipped with a memory capable of storing images and processed and controlled.
  • control device 214 manually performs an imaging recipe including inspection coordinates of an electronic device required for inspection, a pattern matching template used for inspection positioning, imaging conditions, or the like, or uses design data 213 of the electronic device. Connected to the recipe creation device 212 created via the network or bus.
  • FIG. 7 is a flowchart illustrating a process of creating a recipe, which is an operation program of the SEM 201, using the recipe creation device 212.
  • the inspection conditions are the imaging magnification of the SEM 201, the coordinate information of inspection points, and the like.
  • the user refers to the design data, and uses the coordinate information 400 of the sample on which the abutting circuit pattern is manufactured.
  • Set the inspection conditions It is also possible to set coordinate information in which a defect such as a scum detected by a model base check using a design rule check or optical simulation performed at the time of semiconductor circuit design is predicted.
  • a shooting recipe is generated (step 702).
  • the imaging recipe is data for controlling the SEM 201, and a template for specifying an inspection point from coordinate information, magnification, and image data is defined.
  • a circuit pattern is photographed by the SEM 201 based on the recipe (step 703).
  • pattern matching between template data such as design data and simulation data and image data is performed to specify inspection coordinates of image data corresponding to coordinate information registered in the imaging recipe (step 704).
  • Figure 5 shows an example of pattern matching results.
  • the inspection coordinates 500 of the image data corresponding to the coordinate information 400 specified as the inspection conditions by pattern matching can be specified.
  • the evaluation area 501 for detecting edge points branched in three or more directions is set to be large with respect to the area (edge branch point evaluation area) 501 centered on the inspection coordinates 500 of the image data. As a result, a desired inspection point can be inspected even when pattern matching shift or circuit pattern deformation occurs.
  • the inspection area is located in a background area where scum as shown in FIG. 5 does not normally occur, and noise included in the image is erroneously contoured. It is possible to prevent detection of a pseudo defect due to such a pseudo contour 503. Furthermore, the inspection time can be shortened compared with the case where the entire image data is inspected.
  • FIG. 1 is a flowchart showing a process of detecting edge points branched in three or more directions. Such processing can be executed by software processing using the CPU 209 of the control device 214, the memory 208, and the like. However, the image data from the SEM 201 can also be executed by software processing using a CPU, memory, and the like of an electronic computer that can input image data via a LAN or bus, or via a storage medium such as a portable memory or a hard disk. Also, part or all of the flowchart shown in FIG. 1 can be executed by the image processing hardware 210.
  • FIG. 3 shows an example of an image of a circuit pattern.
  • This image includes three circuit patterns 301-303.
  • a scum 304 exists between the circuit pattern 301 and the circuit pattern 302
  • a scum 305 exists also between the circuit pattern 301 and the circuit pattern 303. Since a large amount of electrons are emitted by electron beam irradiation at the edge portion of the circuit pattern and the edge portion of the defect, the image is brighter than the background region.
  • a branch point of a white edge is detected (step 102).
  • the edge branch point is a portion where the circuit pattern and the scum are connected.
  • the edge branch point is an intersection of the circuit pattern 301 and the scum 304 (edge branch point 306).
  • the edge branch point can be detected by a procedure as shown in FIG.
  • edge branch point detection procedure An example of the edge branch point detection procedure will be described using the image data shown in FIG.
  • filtering computer image processing, Ohm, p. 110
  • a smoothing operator step 901
  • the smoothed image data is filtered by a line detection operator (computer image processing, Ohm, p. 200) to emphasize edges (step 902). Since noise is superimposed on the image data obtained from the SEM 201, image data ((2) in FIG. 10) in which the circuit pattern and the edge of the scum are emphasized can be generated by performing such filtering processing. it can.
  • binarization processing (computer image processing, Ohmsha, p.138-142) is performed on the image data after edge enhancement using a fixed threshold value or a threshold value determined by image analysis (step 903).
  • binary image data ((3) in FIG. 10) in which the edge portion is a white pixel is generated.
  • contour data ((4) in FIG. 10) indicating the edge as an edge having a width of one pixel is generated.
  • pattern matching between the edge branch pattern and the contour data is performed to detect an edge branch point (step 905).
  • Pattern matching is a technique for searching for a place where a pattern having a specific shape that can be regarded as the same as a reference image called a template exists.
  • the edge branch pattern is, for example, a binary image template showing the circuit pattern shown in FIG. 11 and the contour shape of the connection part of the defect (only a representative example is shown).
  • An enlarged view of the circuit pattern 1000 of the contour data ((4) in FIG. 10) and the connection area 1002 of the scum 1001 is shown in 1003.
  • a 3 ⁇ 3 pixel region 1005 centered on the edge branch point 1004 matches the edge branch pattern ((1) in FIG. 11).
  • the edge branch point included in the contour data can be detected by using a plurality of edge branch patterns that match the contour shape of the edge branch point and performing pattern matching with the contour data.
  • the outline of (4) of FIG. 10 is expressed using a black line so that it can be easily recognized, when the template illustrated in FIG. 11 is used, the outline is expressed in white. And good.
  • FIG. 24 is a diagram showing a pattern of edge branch points.
  • B and d in the figure are scum generation points.
  • an edge pixel position black rectangular portion
  • the number of pixels of the edge existing in the 3 ⁇ 3 pixel centered on the target pixel is counted.
  • the target pixel is determined as an edge branch point.
  • a, b, c, and d are points at which three or more edge pixels exist in 3 ⁇ 3 pixels centering on the own pixel.
  • edge branch point detection method compared to the case of using the template described above, a point where a scum and a pattern are complicated, such as a and c, is detected as an edge branch point, but the scum occurrence position is roughly determined. In this case, high-speed processing is possible and effective compared to the case of using a template.
  • FIG. 8 shows an example of inspection data output to the display device 211.
  • This is a screen on which a map 801 showing a wafer on which an electronic device is manufactured and the number of edge branching points 802 detected at points corresponding to inspection coordinates on the map 801 are drawn.
  • the number of templates to be prepared can be suppressed by detecting edge branch points using templates after the SEM image is contoured.
  • the contour line simplifies the shape of the scum part, so it is not necessary to prepare many templates to deal with complex edge shapes, and simple shapes can be matched with each other. Therefore, it becomes possible to identify the scum portion with high accuracy.
  • design data of the electronic device to be inspected and process simulation data by optical simulation hereinafter, described as design data in order to simplify the text
  • circuit pattern type information obtained by the analysis By classifying the inspection results, an inspection method that enables specification of a circuit pattern type that is likely to generate scum is shown.
  • FIG. 6 shows a flowchart of this embodiment.
  • the inspection shown in the first embodiment is performed (step 601).
  • the shape of the design data used for pattern matching is analyzed, and the shape of the tip portion (a) of the line, the corner portion (b), the straight portion (c) of the line, etc. is different as shown in FIG. Classification into parts (step 602). Since the design data is generally data of a line coordinate group for expressing the circuit shape with lines, the above classification can be easily performed by analyzing the relationship between a plurality of continuous line segments. .
  • a part of design data close to the detected edge branch point is specified at the position of superposition obtained by pattern matching, and inspection data is classified for each type of part (step 603).
  • the classified inspection data is output to the display device 211 or the memory 208.
  • the classified inspection data is displayed so that the number of edge branch points 802 shown in FIG. 8 is displayed for each circuit pattern type.
  • the scum generated at the tip of the line and the scum generated at the straight line portion of the line can be detected as separate defects, so that the operator can easily find a circuit pattern portion where scum is likely to occur. Can be specified.
  • an edge is detected from image data obtained by photographing an electronic device, an edge point branched from at least three directions from the edge is detected, and inspection data based on the edge point is generated. Therefore, it is possible to perform inspection with higher throughput and accuracy than the method of inspecting defects using a reference pattern.
  • FIG. 13 is a diagram for explaining an example in which a library is provided for each template having a different shape, and the types of scum are classified according to the library to which the template matched with the scum included in the contour line data belongs.
  • the library A has a template for detecting an edge branch point when the contour line corresponding to the pattern edge is formed in the X direction and the scum is formed in the Y direction and extending downward. It is registered.
  • the library B a template for detecting an edge branch point when the contour line corresponding to the pattern edge is formed in the X direction and the scum is formed in the Y direction and extending upward is registered.
  • the scum specified by the template included in the library A is formed, for example, at the upper pattern end of the abutting pattern illustrated in FIG. Further, it is conceivable that the scum specified by the template included in the library B is formed at the pattern end of the lower pattern of the abutting pattern.
  • the scum type can be classified according to the library type. According to such a method, scum can be classified without referring to design data. Further, more detailed classification may be performed by using the classification based on the design data and the classification according to the type of the library.
  • FIG. 14 is a diagram illustrating an example in which scum detection is performed on contour data in which a plurality of abutting patterns are arranged.
  • FIG. 15 is a flowchart for explaining a process of detecting scum using templates stored in a plurality of types of libraries.
  • an SEM image is acquired (step 1501), and outline data 1402 is created based on association with design data 1401 (step 1502).
  • four scums 1403, 1404, 1405, 1406 are generated.
  • a template is read from a certain library (step 1503), and matching processing is executed (step 1504).
  • matching processing is executed (step 1504).
  • the template stored in the other library is read and the matching process is executed.
  • the matching locations 1407 and 1408 are specified by the template registered in the library A
  • the matching locations 1409 and 1410 are specified by the template registered in the library B
  • the matching locations 1411 and 1412 are registered in the library C.
  • An example in which matching points 1413 and 1414 are specified by a template registered in the library D is described.
  • the template registered in the library A detects a scum extending downward in the drawing
  • the template registered in the library B detects a scum extending upward in the drawing
  • the library C The template registered in is for detecting a scum extending toward the right side of the drawing
  • the template registered in the library D is for detecting a scum extending toward the left side of the drawing.
  • the scum type can be determined according to the library type.
  • the scum identified as described above is stored in a predetermined database together with information related to the scum such as identification information, coordinate information, or information on the type of scum corresponding to the type of library (step 1505).
  • a step of setting a predetermined area 1415 in relation to the template and determining whether or not another matching portion is included in the predetermined area 1415 is provided. May be. For example, when a plurality of matching locations exist in the predetermined area 1415 and a plurality of templates specifying the plurality of matching locations satisfy a predetermined relationship, the matching locations are connected by the same scum, etc. It becomes possible to make a judgment.
  • the inspection area 1416 is superimposed on the design data 1401, and the design data 1401 and the outline data 1402 are overlapped by pattern matching or the like, so that the inspection area set on the design data is placed at an appropriate position on the outline data. It becomes possible to set.
  • FIG. 16 is a diagram for explaining an outline of a database for storing scum identification information (ID) and information related to scum in association with each other.
  • ID scum identification information
  • Information information related to scum in association with each other.
  • coordinate data for example, position information obtained by matching with the position on the contour line data or design data is registered.
  • pattern data identification information of a pattern in which a scum has occurred is registered.
  • the pattern shape (Pattern Shape) is registered with information on the type of library described above and the pattern shape of the place where the scum is generated based on the design data.
  • the pattern line segment identification information includes the identification information of the part for each partial area of the design data pattern, and pattern matching between the design data and the contour line data is performed.
  • the partial area of the contour line data belonging to each partial area of the design data can be obtained. Further, as illustrated in FIG. 23, matching processing is performed between the design data 2301 and the contour line data 2302, and then correspondence is performed between the line segment of the design data 2301 and the line segment of the contour line data 2302. By attaching, identification information (line segment information) may be added to each line segment of the contour line data 2302.
  • T represents an upper part
  • B represents a lower part
  • L represents a left part
  • R represents a right part
  • L1 to L6 represent line segment numbers.
  • the line segment included in the region 2303 of the contour line data 2302 corresponds to the line segment of the design data to which the identification information “L2” is attached.
  • the line segment of the contour line data included in the region 2304 corresponds to the line segment of the design data to which the identification information “L5” is attached, it is conceivable to add the identification information “L5”. Of course, other identification information may be added based on a predetermined rule.
  • the closest position on the contour line data 2302 is specified from a predetermined position on the design data 2301, and that position is used as a corresponding point.
  • the library type described above and the scum identification information of the template are registered in the Scum Type (Scum Pattern) column. Further, in the “Connect” column, when a plurality of matching locations are included in the predetermined area 1415 of FIG. 14, it is determined that the plurality of matching locations are connected by scum, and information indicating that is provided. sign up.
  • the data stored in these databases does not necessarily require all data, and information necessary for performing scum evaluation as described later may be registered.
  • FIG. 17 is a diagram for explaining the outline of an arithmetic unit that detects edge branch points.
  • an SEM image acquisition unit 1701 for acquiring image data from the circuit pattern 401 and the like
  • an outline extraction unit 1702 for extracting outline information from the image data
  • pattern matching using a predetermined template a predetermined template.
  • a storage unit 1706 for storing information is provided.
  • the identification information (ID), coordinate data (Address), part information of the pattern in which the scum has occurred, the type of library in which the template specifying the edge branch point is stored, and other scum Is added, or information regarding the number of scums in the contour line data is added and stored in a table format as exemplified in FIG. Further, the data folder prepared for each scum type may be classified and stored according to the scum type.
  • a storage medium is built in the arithmetic device, and the arithmetic unit is configured to be accessible to the storage unit as necessary.
  • the storage medium is installed outside and necessary. Depending on the situation, the arithmetic unit may access.
  • FIG. 19 is a diagram for explaining an output example of the statistical value of the scum detection result.
  • FIG. 19A shows a graph in which the interval between patterns is on the horizontal axis and the frequency of occurrence of scum is on the vertical axis.
  • the inter-pattern interval information may be obtained from design data, or may be obtained from actual measurement values as will be described later. By performing such display, it is possible to determine how much the inter-pattern spacing contributes to scum generation.
  • FIG. 19B illustrates a graph in which the vertical axis represents the occurrence frequency and the horizontal axis represents the pattern shape.
  • the pattern shape include a line end, a corner, and a straight line portion.
  • a composite condition of a plurality of patterns for example, an abutting pattern, a portion where the line end and the corner are close to each other, a portion where the straight line portion and the line end are close to each other, or the like
  • the bar graph may be divided and displayed in accordance with the distance between the patterns in order to display the occurrence frequency for each distance between the patterns.
  • (C) in FIG. 19 shows a distribution diagram of the occurrence frequency for each pattern direction.
  • the scum generation direction and the scum length are displayed in a distributed manner. According to such a display form, it is possible to confirm the relationship between the scum generation direction and the scum length.
  • the scum distance is replaced with the inter-pattern dimension, the relationship between the inter-pattern spacing and the occurrence of scum can be grasped.
  • the information on the scum generation direction is extracted based on the determination as to where the generated scum is present in the pattern, for example.
  • FIG. 19D is a distribution diagram showing the relationship between the scum and the scum length specified by the template capable of specifying the scum direction described in FIG. 13 and the like.
  • the scum direction is specified using a plurality of templates capable of specifying four scum directions, and the occurrence frequency in each direction is shown. In the case of this example, it can be determined that scum extending in the vertical direction is relatively frequent.
  • FIG. 20 is a block diagram for explaining the outline of the image processing apparatus 2001.
  • An image processing apparatus 2001 includes a data input interface 2002 for inputting data from design data 2004, contour data 2005, and template library 2006 stored in an external storage medium, and design data 2004 and contour data 2005.
  • a pattern identification information adding unit 2009 for adding a pattern and identification information of each part of the pattern based on the matching.
  • the pattern identification information adding unit 2009 performs an operation of adding the pattern identification information included in the design data 2004 and the pattern part identification information to the contour line data.
  • the scum detection unit 2008 performs scum detection on the contour line data 2005 using the edge branch point detection template stored in the template library 2006.
  • the scum detected in this way is classified by the scum classification unit 2010 based on the identification information added by the pattern identification information addition unit 2009 and / or the identification information stored in the template library 2006. Is done.
  • the scum related information, contour line data, and design data are converted into a predetermined data format by the output data generation unit 2012 and stored in the database 2011 via the data output interface 2003.
  • FIG. 18 is a diagram for explaining an example of measuring a dimension between edge branch points based on detection of scum.
  • FIG. 18A illustrates an example in which scum is generated between a plurality of line patterns.
  • a scum 1803 is generated between the first outline 1801 and the second outline 1802.
  • a length measurement point 1804 as a length measurement start point and a length measurement end point
  • such an edge branch point can selectively select a point where scum has occurred.
  • the selection of the measurement start point and measurement end point based on the extraction of the edge branch point selects the part corresponding to the defect as the measurement target, so the measurement recipe creation can be made more efficient and automated. It can be realized.
  • FIG. 18 is a diagram for explaining an example in which scum is generated between line ends, and is a diagram for explaining an example in which a length measurement location 1805 is selectively set at a location where scum has occurred. In this way, efficient measurement can be performed by selectively setting a place where the scum is generated as a measurement target.
  • FIG. 18 is a figure explaining the example in which the scum 1806 generate
  • the first edge branch point 1807 and the second edge branch point 1808 are set as the length measurement start point and the length measurement end point.
  • the measurement object can be the interval in the X direction ( ⁇ x), the interval in the Y direction ( ⁇ y), the interval in the two-dimensional direction ( ⁇ ), or the length of the scum 1806 itself between the two branch points.
  • FIG. 22 is a flowchart illustrating a process of automatically setting a measurement location based on detection of an edge branch point. Steps 2201 to 2204 are the same as the edge branch point detection step. Step 2205 is a step of extracting a length measurement point from the detected edge branch point. At this time, the above-described pattern part classification information is used in order to measure between related edge branch points.
  • FIG. 21 is a diagram for explaining a method of adding pattern part identification information to the contour lines 2103 and 2104.
  • FIG. 21A illustrates L-shaped pattern and line pattern design data 2101 and 2102. Identification information for identifying a part of the pattern is added to each of the design data 2101 and 2102.
  • “A” of “Aa1” is an identification code of a pattern
  • “a” is an identification code of a pattern part type
  • “1” is a plurality of pattern parts of the same type. It is an identification code given to each part.
  • “A” indicates an L-shaped pattern
  • “B” indicates a line pattern.
  • “A” indicates a line end
  • “b” indicates a corner
  • “c” indicates a straight line portion.
  • FIG. 21 shows a state in which pattern matching is executed between the design data to which the identification information as described above is added and the contour line data 2103 and 2104, and the pattern part identification information is added to the contour line data 2103 and 2104. Illustrated in (b). By adding identification information to contour lines belonging to each identification region, the contour line has unique information for each part.
  • both combinations of pattern parts considered to be connected between edges by scum (in this example, for example, “Ab2” of the contour line data 2105 and “Ba1” of the contour line data 2104)
  • scum in this example, for example, “Ab2” of the contour line data 2105 and “Ba1” of the contour line data 2104)
  • step 2205 of FIG. 22 the length measurement start point and end point are set based on the above-described rules and stored as a measurement recipe (step 2206).
  • FIG. 25 shows scum detection using profile edges.
  • FIG. 25 shows a line pattern in which a scum 2500 exists in the lower part of the pattern edge (hereinafter referred to as pattern edge lower part) 2503, a cross-sectional shape of the line pattern (hereinafter referred to as cross-sectional profile) 2504, and an image of the line pattern corresponding to the cross section.
  • pattern edge lower part a scum 2500 exists in the lower part of the pattern edge
  • cross-sectional profile a cross-sectional shape of the line pattern
  • image profile design data 2501 based on the result of pattern matching
  • the scum 2506 existing below the pattern edge also causes a fatal defect, and therefore needs to be detected.
  • the profiles with and without scum are shown.
  • the broken line shows the profile of the pattern without scum, and the solid line shows the profile of the pattern with scum.
  • an image signal 2508 (hereinafter referred to as the top edge) 2508 and pattern edge lower part 2503 corresponding to the upper part of the pattern edge (hereinafter referred to as the upper part of the pattern edge) 2502 are analyzed by analyzing the image profile 2507
  • Corresponding image signals (hereinafter referred to as under edges) 2506 are individually extracted.
  • contour data composed of the top edge 2508 and contour data composed of the under edge are generated, and the presence or absence of scum is detected by comparing the shapes of the contour data.
  • a shape difference occurs between the contour data composed of the top edge and the contour data composed of the under edge, and therefore, a pattern having a large shape difference is detected as a scum pattern.
  • FIG. 26 shows a cross-sectional profile 2601 and an image profile 2608 of a part of the line pattern.
  • the pattern area 2600 indicates a groove area of a line pattern in which scum is generated, and is designated by the user as area information for detecting scum. Further, the groove region may be set based on the result of pattern matching between design data having information on the groove and non-groove and image data.
  • the peak signal 2603 of the image profile 2608 near the boundary of the groove region 2600 is obtained, and the peak position 2607 is obtained. This point is set as the position of the top edge corresponding to the upper part of the pattern edge.
  • the signal difference h1 between the peak signal 2603 and the bottom peak signal 2605 is calculated.
  • a point 2606 of the image profile 2608 corresponding to the threshold value 2604 corresponding to the range between the peak 2603 and the bottom peak 2605 is obtained. This point is set as the position of the under edge corresponding to the lower part of the pattern edge.
  • the above top edge and under edge are detected for the image area to be scum detected.
  • the reference direction of the image profile for edge detection may be specified by the operator for each point for detecting the edge point, or may be set based on the continuous direction of the design pattern used for pattern matching.
  • top edge contour data hereinafter, upper contour data
  • under edge contour data hereinafter, lower contour data
  • FIG. 27 shows an example of the upper contour data 2701 and the lower contour data 2702.
  • the interval (error) 2703 between the upper contour data 2701 and the lower contour data 2702 is comprehensively measured for the scum detection target region 2704.
  • the measurement interval can be set arbitrarily.
  • the threshold processing of the index is performed based on the statistical amount of error between the upper contour data and the lower contour data, and patterns above the threshold are detected as scum patterns.
  • scum detection may be selectively performed for the portion.
  • the scum detection is performed and the variation or the like is equal to or less than a predetermined value, the detected scum is not scum (for example, noise may be detected), and the scum detection result is filtered.
  • the image signal of the pattern groove portion where the scum is present has a larger change than the image signal of the pattern groove portion where the scum is not present. For this reason, the pattern groove portion is specified, the variation of the image signal in the region is calculated by the variance, the standard deviation, etc., and the presence or absence of scum can be determined from the size.
  • FIG. 28 shows contour data 2801 at the upper part of the pattern edge and contour data 2802 at the lower part of the pattern edge in the scum detection using the luminance distribution.
  • a scum 2803 is generated in a region surrounded by the contour data 2801 above the pattern edge and the contour data 2802 below the pattern edge. For this reason, the scum evaluation area 2804 is limited by using the pattern edge upper portion 2801 and the pattern edge lower contour data obtained by the pattern edge detection described with reference to FIG.
  • the evaluation area can be limited by using either contour data below the pattern edge or contour data inside the pattern edge, or may be set by the operator. Furthermore, the evaluation area may be limited based on the result of pattern matching between design data (or simulation data) having information on groove portions and non-groove portions and image data.
  • a statistic indicating the variation of the image signal such as the variance of the image data and the standard deviation corresponding to the evaluation area 2804 is calculated.
  • threshold processing is performed on the statistic indicating the variation of the image signal, and a pattern equal to or higher than the threshold is detected as a pattern having scum.
  • the scum detection may be selectively performed on the portion, or the variation or the like may be predetermined after the scum detection is performed.
  • the value is equal to or less than the value, the detected scum is not scum (for example, noise may be detected), and the scum detection result may be filtered.
  • the causal relationship between the degree of divergence between contour lines and the occurrence of scum can be obtained. It is also possible to specify.
  • FIG. 36A is a diagram showing a pattern arranged normally
  • FIG. 36B is a diagram showing a pattern collapse.
  • the pattern collapse may occur because forces (surface tension) attracting each other between patterns due to the use of a cleaning liquid or the like.
  • FIG. 36 (c) is a top view of a pattern having a local pattern collapse at the top.
  • step 3701 After an SEM image is acquired by the SEM 201 (step 3701), pattern upper contour data 2701 and lower contour data 2702 are respectively acquired (step 3702).
  • the intervals (error values) 2703 between the upper contour data 2701 and the lower contour data 2702 are comprehensively measured for a plurality of regions in the scum detection target region 2704 along the edge of the pattern (step 3703).
  • An average value and standard deviation of error values measured for each region are calculated (step 3704). Here, only one of the average value and the standard deviation may be obtained, or both may be calculated and used as evaluation targets in the subsequent steps.
  • Determination is made (step 3706). If it is smaller than the threshold A, it is determined whether or not a predetermined threshold B (B ⁇ A) or more is reached (step 3707). (Step 3708). If it is smaller than the threshold value B, it is determined that detection other than scum (for example, noise) is a factor (step 3709). In this way, when the interval between the upper contour data 2701 and the lower contour data 2702 has a certain size and variation, the pattern collapses whether the cause is due to the occurrence of scum by making a determination using the threshold value. It is possible to determine whether this is due to other factors such as
  • the predetermined range refers to, for example, obtaining an average value or standard deviation of the error values for each partition area defined to have a certain size, and determining whether the number of partition areas having large variations exceeds a predetermined number. It can also be determined as
  • the determination process is performed using the error regarding the interval between the upper contour data 2701 and the lower contour data 2702.
  • the frequency of the edge of the pattern acquired from the SEM image is analyzed. It is also possible to discriminate pattern collapse or scum. Specifically, when the frequency in a predetermined region in the SEM image is higher than a certain value, there is a locally protruding scum, and when the frequency is relatively low, it depends on the inclination of the pattern. It can be judged that it is fluctuation.
  • the width of the white band acquired based on the luminance information of the pattern image is different between the left and right side walls. Therefore, as shown in FIG. It can be detected by measuring the dimensions of the profile. Specifically, the left and right side walls of the pattern are identified by superimposing the SEM image and design data, and a line profile based on luminance information is created from the SEM image in a predetermined area on each of the left and right sides, and white lines are obtained from this peak position. If the band widths are compared and a result of the comparison shows that a difference of a certain level or more is produced on the left and right, it can be determined that the pattern collapses.
  • FIG. 44A is a flow showing a procedure for creating the contour line data.
  • an SEM image of a pattern to be evaluated is acquired (step 4401), and a line profile is created based on the luminance information of the image (step 4402).
  • the profile tends to be sharper as the inclination of the pattern 4405 increases as the signal intensity increases.
  • a plurality of threshold values are set in advance for the acquired profile, and for each threshold value, a portion on the image indicating the threshold value is connected to extract a contour line (step 4403).
  • a plurality of length measurement contour lines are extracted by performing this for a predetermined number of set threshold values (step 4404). Further, it is possible to omit the step 4404 and set a predetermined number of threshold lines to be extracted in advance.
  • FIG. 44C shows an example (enlarged view) in which a plurality of threshold values are set in a profile and a plurality of contour lines are extracted. In the case of the example in FIG. 44C, when the peak portion of the profile is set to 100% (Th1), the contour line is extracted by changing it at a constant rate from T2 to T5.
  • the threshold value can be set by various methods.
  • FIG. 44D is a diagram seen from above with the contour lines extracted for each of the predetermined number of thresholds superimposed.
  • the interval (error) 2703 between the upper contour data 2701 and the lower contour data 2702 is determined for the scum detection target region 2704 in the scum detection and pattern collapse determination as described above.
  • step 2901 As design data, information in which information inside and outside the pattern is added by a vector or the like is used.
  • design data information in which information inside and outside the pattern is added by a vector or the like is used.
  • contour data indicating the edge of the pattern as a one-pixel width edge is extracted by the procedure shown in FIG. 10 (step 2902).
  • step 2903 After positioning by pattern matching between design data and contour data (step 2903), the edge of the side wall is searched (step 2904), and the groove portion of the pattern is specified (step 2905).
  • contouring in step 2902 may be performed.
  • an inspection area is set based on the information on the groove portion of the specified pattern (step 2906).
  • step 2907 pattern matching between edge branch patterns and contour data is performed (step 2907), and edge branch points are extracted (step 2908). Then, it is determined whether or not the extracted edge branch point is within the inspection region (step 2909). If it is within the region, inspection is performed as a scum generated outside the pattern (step 2910). In some cases, setting is made so that the inspection is not performed as surface roughness occurring inside the pattern (step 2911). Through the above steps, statistics of scum generated outside the pattern and surface roughness generated inside the pattern can also be obtained. Note that the determination at step 2909 can be omitted, and the condition can be set in advance so that edge branch point extraction is performed only on the inspection region as an inspection target.
  • the determination can be performed by using the LR image of the sample instead of the design data used for the pattern matching process in Step 2903 of the above flow (FIG. 30).
  • the contour data of both are obtained. It can be matched by using (step 3005).
  • steps 3006-3012 are the same as steps 2904-2910 in FIG.
  • the edge branch point is extracted for all the areas without setting the inspection area in step 2906, and the identification information as to whether or not the groove is the pattern specified from the edge information obtained by the matching process with the design data or the like Can be stored in the storage unit of the database shown in FIG. 16 in association with the extracted information related to the edge branch point, and statistical processing can be performed. By doing so, the relationship between the surface roughness of the pattern and the number of occurrences of scum can be acquired.
  • FIG. 33 is a cross-sectional view and a top view showing the degree of occurrence of scum generated between the wiring patterns (grooves), and a diagram showing the relationship between the risk level of scum.
  • the scum shown in this figure is an example, and naturally the form of scum generation is not limited to this.
  • the scum generated in the groove portion of the wiring pattern has a form that locally protrudes to the bottom portion of the pattern at the initial stage of generation, and faces the groove portion from the adjacent pattern. Even when scum occurs, there is an interval between them (risk level 1).
  • the scum generation level becomes higher than in the above case, the two become connected to each other in the vertical-horizontal direction or the height direction, and the same phenomenon is observed at multiple locations.
  • risk level 4 When the generation level further increases, a scum having a certain width or height is formed (risk level 4).
  • FIG. 38 shows the relationship between the degree of the width and height of the generated scum and the level of danger.
  • the degree of danger here means the ease of short-circuiting the pattern, the degree of difficulty in removal, and the like. That is, a minute scum at a low generation level can be removed in the manufacturing process, but the removal becomes difficult as the level increases. Therefore, it is required to quantitatively evaluate the generated scum.
  • FIG. 39 shows an example of a procedure for measuring the width of a scum generated between a plurality of line patterns.
  • outline data is created (step 3902).
  • the creation of the contour line data can be performed using the above-described threshold processing, association with design data, or the like.
  • scum 4002, 4003, and 4004 are generated between a plurality of line patterns 4001.
  • FIG. 40B shows an example of measuring the width of the generated scum.
  • templates are read from a plurality of types of libraries according to the procedure shown in FIG.
  • a length measurement point 4005 is set for an area not including the original pattern, that is, including the edge caused by the scum (Step 3906). At this time, preferably, the length measurement point 4005 is set in the direction in which the peak of the profile created in step 3908 can be most sharply acquired. In particular, by setting the measurement point 4005 so as to be perpendicular to the edge caused by the scum, a highly accurate measurement result can be obtained as described later.
  • an electron beam is scanned perpendicularly to the edge caused by the scum at the set measurement point 4005 (step 3907), a profile is created from the detected secondary electron signal, and the dimension of the scum width is set. Measure (Steps 3908 and 3909).
  • the measurement point is set for the region including the edge caused by the scum and the electron beam is scanned.
  • the region is obtained based on the luminance information of the SEM image acquired in advance in step 3901 in the region.
  • a profile may be created from the signal. At this time, it is desirable to acquire the luminance distribution in a direction perpendicular to the direction of the edge caused by the scum.
  • the procedure for measuring the width of the scum uniformly with respect to the extracted edge branch point has been described, but the above method may be selectively used when the branch point satisfies a predetermined condition.
  • a predetermined condition For example, when a plurality of edge branch points are extracted, the edge branch points detected by the features of the template are connected by a single line, that is, whether they are connected as the same scum. If there is one that is determined to form the same scum, the length measuring point 4005 is set to be perpendicular to the edge caused by the scum. In addition, when it is determined that the same scum is not formed, the scum width dimension can be excluded.
  • the said conditions are not limited to this, Various conditions can be set according to a condition.
  • the scum length is measured by, for example, the method shown in FIG. It is also possible to set a criterion for determination so as to be a dimension measurement target.
  • An arrow 4006 in FIG. 40B indicates the scanning direction of the electron beam.
  • a scum having a wide width is generated like a scum 4004 shown in FIG. 40 (a)
  • two contour data are created for both end portions of the scum.
  • a predetermined condition such as a distance between the created contour line data is smaller than a predetermined distance, for example, these are determined to form the same scum.
  • Measure the dimensions In the case of the scum 4002 and 4003 in FIG. 40A, it is considered that when a profile is created from the luminance information of the SEM image, a single peak is generated as in the profile 4007 in FIG. 40C.
  • the dimension of the scum width can be measured by measuring the distance between the start point and the end point that form the peak.
  • an algorithm may be used so that the distance between the two peaks is measured as the scum width dimension.
  • the method for measuring the scum width can be appropriately selected depending on the state of the generated scum.
  • FIG. 41 is a diagram showing the relationship between the scanning direction 4102, 4103, and 4104 of the electron beam and the profile created from the generated secondary electron signal with respect to the contour line data 4101 representing the edge of the scum.
  • the profile shapes also differ as shown in FIGS. 41A, 41 ⁇ / b> B, and 41 ⁇ / b> C.
  • the scanning direction 4102 of the electron beam is 90 ° with respect to the scum outline data, that is, a direction perpendicular to the scum contour data, and a profile with the largest peak is created as shown in FIG. Can do.
  • FIG. 42 it is assumed that there is a certain tendency (relative relationship) between the detected secondary electron signal intensity and the angle formed by the scanning direction of the electron beam and the scum. From this figure, it can be seen that the highest signal intensity can be obtained by scanning the electron beam in the direction perpendicular to the edge of the scum.
  • the above example has the same tendency as the scanning direction of the electron beam with respect to the edge direction of the pattern.
  • FIG. 43 shows an example of a variation of the method for setting the length measurement location.
  • the generation of the scum 4302 as described above.
  • a pattern 4301 as shown in FIG. May occur in a direction that is oblique with respect to the curve and may be deformed so as to draw a curve, or may occur between patterns located in places that are not adjacent to or facing each other as shown in FIG. .
  • FIG. 43C shows a case where a plurality of generated scums 4302 are not connected.
  • the measurement of the scum width dimension may be excluded from the determination of step 3906 in FIG. 39, and the length measurement portion 4303 may not be provided.
  • the length of the scum 4302 is a predetermined length.
  • the length measuring point 4303 can be set in the vertical direction with only the scum as a measurement target. Furthermore, using the design data, information related to the position of the pattern in advance, for example, information on whether there is a close pattern in advance is acquired in advance, and when the scum is detected, It is also possible to scan the electron beam by setting the length measurement location 4302 so as to include the proximity pattern grasped in advance. As described with reference to FIG. 33, since the scum may be connected to an adjacent pattern, the edge branching is provided by providing the length measurement location 4302 based on the positional relationship of the pattern obtained from the design data. Depending on the point extraction, only a part of the scum can be detected, and even if the part continuing to the scum cannot be detected, the scum that actually exists can be detected with high accuracy. become.
  • the method for quantitatively evaluating the width of the scum has been described.
  • a method for evaluating the height of the scum will be described.
  • the height direction is actually It is possible to recognize scum that has not grown and has a high risk level, that is, that can be removed. Further, when only the height of the scum significantly affects the risk level, it is also effective to perform the evaluation alone after detecting the scum.
  • the procedure can be applied to various scums, such as measurement of dimensions and width, with respect to the scum detected by the above-described method. For example, it can be selectively performed only when it is determined that the detected scum has a certain width.
  • contour data indicating the edge of the pattern as one pixel edge is extracted by the procedure shown in FIG. 10 (step 4502).
  • a template which is an edge branch point pattern is read from the above library (step 4503), matching processing is performed (step 4504), edge branch points are extracted, and scum is detected (step 4505).
  • a line profile of an area including the detected scum is created (step 4506).
  • an image may be acquired by setting the measurement point again in the area where the scum is detected, or only the portion of the scum detection area in the profile created from the already acquired image. May be selectively used.
  • contour lines are extracted for each predetermined number of thresholds (step 4507), and all the predetermined number of threshold lines are extracted (step 4508). At this time, by setting the predetermined number of thresholds so that the height of the profile becomes a constant interval, a plurality of contour lines obtained are contour lines.
  • the degree of risk having a certain height is set. It is determined that the scum is high, and is set as an inspection target (step 4510). Otherwise, it can be set as a non-inspection target (step 4511).
  • an SE image secondary electron image
  • a BSE image reflected electron image
  • the detector when acquiring the BSE image, it is desirable to use a detector that detects electrons reflected in a direction indicated by an arrow 3401 in FIG. 34 that is parallel to the pattern. Since BSE is signal electrons having higher energy than SE, detection using a detector set in a desired position in this way is possible. In particular, in the scum generated in the groove portion of the wiring pattern described above, the detected amount of electrons reflected in the parallel direction reflects the degree of scum more than the electrons reflected in the direction perpendicular to the pattern. Therefore, the reflected electrons reflected in such a direction are selectively detected. Next, contour data is extracted from both images using the above-described method (steps 3503 and 3504).
  • the SE image is aligned by matching processing with design data (step 3505), the edge of the side wall is searched (step 3506), and the groove portion of the pattern is specified (step 3507).
  • the SE image and the BSE image are overlaid, and the focus, contrast, etc. are adjusted to obtain a composite image (step 3508).
  • an inspection area is set with respect to the image obtained by the synthesis (step 3509), an edge branch point is extracted by matching with the edge branch pattern (step 3510) (step 3511), and a scum is detected (step 3511).
  • Step 3512 According to the above procedure, it becomes easier to detect the scum more accurately than when only the SE image is used by superimposing the SE image and the BSE image.
  • the scanning direction of the electron beam is set to a direction parallel to the pattern, thereby causing scum relative to the edge of the pattern.
  • Many BSE can also be detected.
  • scum detection using the SE image can be performed for the region.
  • the BSE image is relatively easy to detect scum as compared to the SE image, it is effective to first determine the region by performing rough detection using the BSE image.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Quality & Reliability (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Electromagnetism (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Length-Measuring Devices Using Wave Or Particle Radiation (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

　本発明は、スカムのような欠陥を、高速且つ高精度に検出する画像処理装置、及びコンピュータプログラムの提供を目的とする。本発明は上記目的を達成するために、画像データを取得し、当該画像データから、少なくとも３方向以上に分岐したエッジ分岐点を検出する画像処理装置、及びコンピュータプログラムを提案する。このような構成によれば、スカムのような欠陥を、参照パターン画像を用いることなく検出することが可能となるため、高速且つ高精度にスカムの検出を行うことが可能となる。

Description

画像処理装置およびコンピュータプログラム
　本発明は、荷電粒子線装置等によって得られた画像データの画像処理を実行する画像処理装置、及び当該画像処理を実現するコンピュータプログラムに係り、特に得られた画像データに基づいて、試料上の欠陥を検出する画像処理装置、およびコンピュータプログラムに関する。
　近年の半導体は微細化、多層化が進み、論理も煩雑化しているため、その製造が極めて困難な状況にある。その結果として、製造プロセスに起因する欠陥が多発する傾向にあり、その欠陥を効率的かつ正確に検出し、製造プロセスの問題を特定することが重要になっている。
　製造プロセスに起因する代表的な欠陥としてスカムがある。スカムとは、現像工程後にレジストパターンの裾部分に残った薄膜状のレジストである。スカムが発生すると、スカム部分のエッチングが行われず、パターンがショートする可能性があるため、その発生位置やプロセス条件による発生頻度等を検査しなければならない。
　一般的に欠陥を検出する場合に、欠陥が発生していない正常な回路パターン（以下、参照パターン）と、検査対象の回路パターン（以下、検査パターン）の形状を比較する方法がある。具体的にはウエハ上に形成された回路パターンの中から理想的な形状をもつ回路パターンをオペレータが選択し、その回路パターンを撮影して参照パターンの画像を作成する。次に、検査パターンを撮影し、検査パターンと参照パターンの重ね合わせを行って画像間の輝度差分を計算する。
　引用文献１には、設計データに基づいて形成される参照パターン画像と、検査パターンとの比較によって、欠陥を検出する技術が開示されている。
特開２００１－３３８３０４号公報（米国特許公報ＵＳＰ　７，６６０，４５５）
　検査対象のパターンにスカムが含まれている場合、スカム位置の輝度は参照パターン画像の輝度と異なるため、その輝度の差分値が非スカム位置と比べて大きくなる。この性質を利用して、輝度差分値が大きな画像上のポイントをスカムとして検出することが考えられる。
　しかしながら、画像比較によってスカムのような欠陥を検査する場合は、参照パターンの撮影が必要になり、検査スループットの向上が望めない。また、設計データの比較によってスカムのような欠陥を検査する場合は、両者の本質的な差（設計データは線分情報で画像は輝度情報）が影響し、スカムのような欠陥を正確に検出できない場合がある。更に、参照パターンや設計データを用いたスカム検出は、検査画像との重ね合わせに失敗するとスカムのような欠陥が正確に検出できない。即ち、特許文献１に開示されているような画像比較に基づいてスカムを検出することは困難である。
　以下にスカムのような欠陥を、高速且つ高精度に検出することを目的とする画像処理装置、及びコンピュータプログラムについて説明する。
　上記目的を達成するための一態様として、画像データを取得し、当該画像データから、少なくとも３方向以上に分岐したエッジ分岐点を検出する画像処理装置、及びコンピュータプログラムを提案する。
　上記構成によれば、スカムのような欠陥を、参照パターン画像を用いることなく検出することが可能となるため、高速且つ高精度にスカムの検出を行うことが可能となる。
　本発明の他の目的、特徴及び利点は添付図面に関する以下の本発明の実施例の記載から明らかになるであろう。
画像データからエッジ分岐点を抽出する工程を説明するフローチャート。 走査電子顕微鏡を含むパターンの測定、或いは検査システムの一例を説明する図。 走査電子顕微鏡画像の一例を説明する図。 設計データ上に検査座標を設定した例を説明する図。 設計データと画像データと間でパターンマッチングを行った例を説明する図。 パターンのパーツ（部位）別に、出力データを分類する工程を説明するフローチャート。 測定或いは検査条件の設定に基づいてレシピを作成し、当該レシピに従って測定、検査を実行する工程を説明するフローチャート。 出力データの表示例を説明する図。 パターンデータを輪郭線化した上でパターンマッチングを実行する工程を説明するフローチャート。 エッジ分岐点の検出工程を説明する図。 エッジ分岐点の検出に用いるテンプレート群を示す図。 設計データのパーツ分類例を説明する図。 スカムの方向毎に設けられた複数のライブラリに含まれるテンプレートを用いてエッジ分岐点を検出する例を説明する図。 複数のライブラリに含まれるテンプレートを用いて、エッジ分岐点の種類を特定する例を説明する図。 エッジ分岐点の検出に併せて、エッジ分岐点の種類を検出する工程を説明するフローチャート。 スカムの識別情報と、スカムに関連する情報を関連付けて記憶するためのデータベースの概要を説明する図。 エッジ分岐点を検出する演算装置の概要を説明する図。 スカムの検出に基づいて、エッジ分岐点間の寸法を測定する例を説明する図。 スカム検出結果の統計値の出力例を説明する図。 画像処理装置の概要を説明するブロック図。 輪郭線にパターン部位の識別情報を付加する手法を説明する図。 エッジ分岐点の検出に基づいて、測定個所を自動的に設定する工程を説明するフローチャート。 輪郭線データを構成する線分毎に、線分の識別情報を付加する例を説明する図。 エッジ探索によるエッジ分岐点の検出を説明する図。 パターンの断面プロファイルと画像プロファイルを説明する図。 画像プロファイルの分析によりエッジを検出する方法を説明する図。 スカムの検出方法を説明する図。 ２つの輪郭線データを用いてスカム検出を行う例を説明する図。 パターンの輪郭データと設計データとのマッチングによりパターンの溝部を特定し、スカムを検出する工程を説明するフローチャート。 パターンの輪郭データとＬＲ像とのマッチングによりパターンの溝部を特定し、スカムを検出する工程を説明するフローチャート。 パターンの表面荒れを示す図。 スカム検出対象領域の設定例。 配線パターンの溝部に発生するスカムと、危険度レベルとの関係を示す図。 反射電子像を用いてスカムを検出の例を説明する図。 反射電子像を用いてスカムを検出する工程を説明するフローチャート。 パターンの倒れの例を説明する図。 パターンデータを輪郭線化した上でパターンの倒れを判別する工程を説明するフローチャート。 複数のラインパターン間に発生したスカムの幅、高さと、危険度レベルの関係を示す図。 複数のラインパターン間に発生したスカムの幅を寸法測定する工程を説明するフローチャート。 複数のラインパターンの間に発生したスカムの幅を測長する例を説明する図。 スカムの輪郭線データに対する電子線の走査方向と、ＳＥＭ画像から形成されるラインプロファイルとの関係を示す図。 二次電子信号強度と、電子線の走査方向とスカムとがなす角度との関係を説明する図。 測長個所の設定方法のバリエーションを示す図。 パターンの任意の上部、下部、及び任意の高さ位置における部分の輪郭データを作成する工程を説明するフローチャート。 パターンの任意の上部、下部、及び任意の高さ位置における部分の輪郭データを作成する工程を説明する図。 パターンの任意の上部、下部、及び任意の高さ位置における部分の輪郭データを作成する工程を説明する図。 パターンの任意の上部、下部、及び任意の高さ位置における部分の輪郭データを作成する工程を説明する図。 スカムのＳＥＭ画像から輪郭データを抽出し、高さを評価する工程を説明するフローチャート。
　画像比較によってスカムのような欠陥を検査する場合は、参照パターンの撮影が必要になり、検査スループットの向上が望めない。また、設計データ比較によってスカムのような欠陥を検査する場合は、両者の本質的な差（設計データは線分情報で画像は輝度情報）が影響し、スカムのような欠陥を正確に検出できない場合がある。更に、参照パターンや設計データを用いたスカム検出は、検査画像との重ね合わせに失敗するとスカムのような欠陥が正確に検出できない。
　そこで、本実施例では主に電子デバイスの画像データを取得し、前記画像データから、少なくとも３方向以上に分岐したエッジ点を検出し、当該検出されたエッジ点に関する情報を生成する画像処理装置、及びコンピュータプログラムを提案する。
　上記エッジ点に関する情報の一例として、エッジ点の座標データが挙げられる。更に、エッジ点に関する情報の他の一例として、エッジ点の数が挙げられる。
　また、本実施例では、デザインベースのレイアウト検証やモデルベースのレイアウト検証によって欠陥の発生が推測された前記電子デバイスの座標データに対応する前記画像データの検査領域を特定し、前記検査領域に限定して前記エッジ点に関する情報を生成する画像処理装置、及びコンピュータプログラムを提案する。
　また、上述のように、検査領域の特定に関しては、エッジ点に近接した回路パターンに対応する設計レイアウトデータに基づいて、前記検査データを分類するようにしても良い。
　また、前記画像データの前記エッジ点に基づく検査データを電子デバイスの座標データに基づき、前記検査データを記録したデータファイルを生成するようにしても良い。
　更に好ましい実施例として、エッジ点に関する情報を画面表示するためのデータを生成するようにしても良い。画面表示の対象を、上述したデータファイルとするようにしても良い。
　なお、以下に説明する実施例では、走査電子顕微鏡（Ｓｃａｎｎｉｎｇ　Ｅｌｅｃｔｒｏｎ　Ｍｉｃｒｏｓｃｏｐｅ：ＳＥＭ）に搭載された画像処理装置、或いはＳＥＭに通信回線等を経由して接続される画像処理装置を例に採って説明するが、これに限られることはなく、コンピュータプログラムによって、画像処理を実行する汎用の演算装置を用いて、後述するような処理を行うようにしても良い。更に、集束イオンビーム（Ｆｏｃｕｓｅｄ　Ｉｏｎ　ｂｅａｍ：ＦＩＢ）装置等、他の荷電粒子線装置によって、取得された画像に基づいて欠陥検出を行う場合にも、後述する手法の適用が可能である。
　本実施例によれば、電子デバイスを撮影した画像データから、少なくとも３方向以上に分岐したエッジ点を検出し、前記エッジ点に基づく検査データを生成することで、参照パターンを利用した検査よりも高いスループットで正確な検査を行うことができる。
　図２は、ＳＥＭを含む半導体検査システムの構成概要図である。半導体検査システムは回路パターンの画像データを取得するＳＥＭ２０１と画像データの分析によって欠陥を検出する制御装置２１４で構成されている。
　ＳＥＭ２０１は電子デバイスが製造されたウエハ等の試料２０３に電子線２０２を照射し、試料２０３から放出された電子を二次電子検出器２０４や反射電子検出器２０５，２０６で捕捉し、Ａ／Ｄ変換器２０７でデジタル信号に変換する。デジタル信号は制御装置２１４に入力されてメモリ２０８に格納され、ＣＰＵ２０９やＡＳＩＣやＦＰＧＡ等の画像処理ハードウェア２１０で目的に応じた画像処理が行われ、スカムのような回路パターンの欠陥が検査される。また、制御装置２１４は、検出信号に基づいて、ラインプロファイルを作成し、プロファイルのピーク間の寸法を測定する機能をも備えている。即ち、図２に例示する検査システムは、半導体デバイスの測定装置としても機能する。
　更に制御装置２１４は、入力手段を備えた表示装置２１１と接続され、ユーザに対して画像や検査結果等を表示するＧＵＩ（Ｇｒａｐｈｃａｌ　Ｕｓｅｒ　Ｉｎｔｅｒｆａｃｅ）等の機能を有する。
　なお、制御装置２１４における制御の一部又は全てを、ＣＰＵや画像の蓄積が可能なメモリを搭載した電子計算機等に割り振って処理・制御することも可能である。また、制御装置２１４は、検査に必要とされる電子デバイスの検査座標、検査位置決めに利用するパターンマッチング用のテンプレート、撮影条件等を含む撮像レシピを手動もしくは、電子デバイスの設計データ２１３を活用して作成するレシピ作成装置２１２とネットワークまたはバス等を介して接続される。
　図７は、レシピ作成装置２１２を用いて、ＳＥＭ２０１の動作プログラムであるレシピを作成する工程を例示するフローチャートである。まず、オペレータがレシピ作成装置２１２を利用して検査条件を設定する（ステップ７０１）。検査条件とは、ＳＥＭ２０１の撮影倍率や検査ポイントの座標情報等である。例えば、図４に示したような突き当てと呼ばれる回路パターン４０１，４０２間のスカムを検査する場合、ユーザが設計データを参照しながら、突き当ての回路パターンが製造される試料の座標情報４００を検査条件に設定する。なお、半導体の回路設計時に行われるデザインルールチェックや光学シミュレーションを利用したモデルベースチェックで検出されたスカム等の欠陥の発生が予測される座標情報を設定することもできる。
　次に撮影レシピを生成する（ステップ７０２）。撮影レシピはＳＥＭ２０１を制御するためのデータであり、座標情報、倍率、画像データから検査ポイントを特定するためのテンプレート等が定義されている。次にレシピに基づき、ＳＥＭ２０１で回路パターンを撮影する（ステップ７０３）。次に設計データやシミュレーションデータ等のテンプレートと画像データのパターンマッチングを行って、撮影レシピに登録された座標情報に対応する画像データの検査座標を特定する（ステップ７０４）。
　図５にパターンマッチング結果の例を示す。パターンマッチングによって検査条件として指定した座標情報４００に対応した画像データの検査座標５００を特定することができる。
　次に画像データの検査座標５００を中心としたエリア（エッジ分岐点の評価エリア）５０１に対して選択的に、３方向以上に分岐したエッジ点の検出を実行する評価エリア５０１を大きめに設定することによって、パターンマッチングのずれや、回路パターンの変形が生じた場合でも、所望の検査ポイントを検査することができる。
　また、このような評価エリアを用いて検査領域を限定することで、例えば図５に示すようなスカムが通常発生しないような背景領域に位置し、画像に含まれたノイズを誤って輪郭化したような擬似輪郭５０３による擬似欠陥の検出を防ぐことができる。更に画像データ全面を検査する場合と比較して検査時間を短縮することができる。
　図１は３方向以上に分岐したエッジ点の検出工程を示すフローチャートである。このような処理は、制御装置２１４のＣＰＵ２０９、メモリ２０８等を利用したソフトウェア処理で実行することができる。ただし、ＳＥＭ２０１からの画像データをＬＡＮやバス経由、また携帯型のメモリ、ハードディスクなどの記憶媒体経由で入力可能な電子計算機のＣＰＵ、メモリ等を利用したソフトウェア処理でも実行できる。また、図１に示すフローチャートの一部または全てを画像処理ハードウェア２１０で実行することも可能である。
　最初にＳＥＭ２０１で撮影した電子デバイスの回路パターンの画像データを読み込む（ステップ１０１）。図３に回路パターンの画像例を示す。この画像には３つの回路パターン３０１～３０３が含まれている。また、回路パターン３０１と回路パターン３０２の間にスカム３０４が存在し、回路パターン３０１と回路パターン３０３の間にもスカム３０５が存在している例である。回路パターンのエッジ部や欠陥のエッジ部は電子線の照射によって電子が大量に放出されるため、背景の領域に比べて白光りしたような輝度の高い像となる。次に白光りしたエッジの分岐点を検出する（ステップ１０２）。
　エッジの分岐点とは回路パターンとスカムが接続された部位であり、例えば回路パターン３０１とスカム３０４の交点（エッジ分岐点３０６）である。その他、この画像にはエッジ分岐点が３つ（３０７，３０８，３０９）存在している。エッジ分岐点の検出は例えば、図９のような手順で行うことができる。
　図１０に示した画像データを用いてエッジ分岐点の検出手順の一例を説明する。まず、ＳＥＭ２０１の画像データ（図１０の（１））に対して平滑化オペレータによるフィルタリング（コンピュータ画像処理、オーム社、ｐ．１１０）を行い（ステップ９０１）、画像データに含まれたノイズを抑制する。次に平滑化した画像データに対して線検出オペレータによるフィルタリング（コンピュータ画像処理、オーム社、ｐ．２００）を行い、エッジを強調する（ステップ９０２）。ＳＥＭ２０１から得られる画像データにはノイズが重畳しているため、このようなフィルタリング処理を行うことによって、回路パターンとスカムのエッジを強調した画像データ（図１０の（２））を生成することができる。
　次にエッジ強調後の画像データに対して、固定閾値や画像分析によって決定された閾値を用いて二値化処理（コンピュータ画像処理、オーム社、ｐ．１３８－１４２）を行う（ステップ９０３）。これによって、エッジ部分を白画素とした二値の画像データ（図１０の（３））を生成する。
　次に二値化後の画像データに対し、細線化を行う（ステップ９０４）。これによって、エッジを１画素幅のエッジとして示す輪郭データ（図１０の（４））を生成する。次にエッジ分岐パターンと輪郭データのパターンマッチングを行い、エッジ分岐点を検出する（ステップ９０５）。パターンマッチングとは、テンプレートと呼ばれる参照画像と同一と見做せる特定形状のパターンが存在する個所を探索する手法である。
　エッジ分岐パターンは例えば図１１に示した回路パターンと欠陥の接続部の輪郭形状を示す二値の画像テンプレートである（代表例のみを示している）。輪郭データ（図１０の（４））の回路パターン１０００とスカム１００１の接続領域１００２の拡大図を１００３に示す。エッジ分岐点１００４を中心とした３×３の画素領域１００５はエッジ分岐パターン（図１１の（１））と一致する。
　このようなエッジ分岐点の輪郭形状と一致するエッジ分岐パターンを複数用いて、輪郭データとのパターンマッチングを行うことにより、輪郭データに含まれたエッジ分岐点を検出することができる。なお、図１０の（４）の輪郭線は、視認し易いように、黒線を用いて表現しているが、図１１に例示するようなテンプレートを用いる場合には、輪郭線部分を白く表すと良い。
　なお、エッジ分岐点は、所定領域内のエッジ画素数をカウントし、その画素数の判定によって、検出することもできる。図２４はエッジ分岐点のパターンを示した図である。図中のｂ、ｄがスカムの発生ポイントである。まず、画像データから、エッジの画素位置（黒色の矩形部）を検出する。これを注目画素とする。次に注目画素を中心とした３×３画素内に存在するエッジの画素数をカウントする。注目画素のエッジを除くエッジ画素数が３以上の場合、その注目画素をエッジ分岐点として判定する。図２４のａ，ｂ，ｃ，ｄは自画素を中心とした３×３画素にエッジの画素が３つ以上存在するポイントである。このエッジ分岐点の検出方法の場合、上述したテンプレートを利用する場合に比べ、ａ，ｃのようにスカムとパターンが入り組んだポイントもエッジ分岐点として検出してしまうが、スカムの発生位置を大まかに捉える場合にはテンプレートを利用する場合に比べて高速処理が可能であり、有効である。
　最後に検出されたエッジ分岐点の数や座標情報を検査データとしてメモリ２０８や表示装置２１１に出力する（ステップ１０３）。図８に表示装置２１１への検査データの出力例を示す。これは、電子デバイスが製造されたウエハを示すマップ８０１と、そのマップ８０１上の検査座標に対応するポイントに検出されたエッジ分岐点数８０２を描画した画面である。このような画面を検査データとして生成し、オペレータに提供することによって、ウエハ面内におけるスカムの検出位置、発生状況をオペレータが容易に確認することができる。
　また、本実施例のように、ＳＥＭ画像を輪郭線化した上で、テンプレートを用いたエッジ分岐点の検出を行うことによって、用意すべきテンプレートの数を抑制することができる。また、スカム部分の高精度検出を行うことが可能となる。即ち、輪郭線化を行うことによって、スカム部分の形状を単純にすることになるため、複雑なエッジ形状に対応すべく、多くのテンプレートを用意する必要がなくなり、また、単純な形状同士のマッチングになるため、高精度なスカム部の同定を行うことが可能となる。
　次に、検査対象の電子デバイスの設計データや、光学シミュレーションによるプロセスシミュレーションデータ（以下、文章を簡略化するため、設計データとして説明する）を用い、その分析によって得られる回路パターンの種別情報を用いて検査結果を分類することにより、スカムが発生しやすい回路パターン種の特定を可能とする検査方法を示す。
　本実施例のフローチャートを図６に示す。まず、実施例１で示した検査を行う（ステップ６０１）。次にパターンマッチングに用いた設計データの形状を分析し、その形状を図１２のように、ラインの先端部位（ａ）、コーナ部位（ｂ）、ラインの直線部位（ｃ）等の形状が異なるパーツに分類する（ステップ６０２）。設計データは、一般的に回路形状を線で表現するための線分座標群のデータなので、連続した複数の線分の関係を分析することにより、上記のような分類を容易に行うことができる。次にパターンマッチングで得られた重ね合わせの位置で、検出されたエッジ分岐点に近接する設計データのパーツを特定し、パーツの種類毎に検査データを分類する（ステップ６０３）。最後に、分類された検査データを表示装置２１１またはメモリ２０８に出力する。分類された検査データの表示は図８に示したエッジ分岐点数８０２を回路パターン種毎に表示するようにする。
　このような検査データの分類によって、例えばライン先端で発生したスカムと、ラインの直線部位で発生したスカムを別欠陥として検出することができるため、スカムが発生しやすい回路パターンの部位をオペレータが容易に特定できるようになる。
　以上のような構成によれば、電子デバイスを撮影した画像データから、エッジを検出し、前記エッジから少なくとも３方向以上に分岐したエッジ点を検出し、前記エッジ点に基づく検査データを生成することで、参照パターンを利用して欠陥を検査する方法よりも高スループットかつ正確な検査を行うことができる。
　次に、スカムを分類する他の手法について、図１３、図１４を用いて説明する。図１３は、異なる形状のテンプレート毎に、ライブラリを設け、輪郭線データに含まれるスカムとマッチングしたテンプレートが属するライブラリに応じて、スカムの種類を分類する例を説明する図である。図１３に示す例では、ライブラリＡには、パターンエッジに相当する輪郭線がＸ方向、スカムがＹ方向であって下方に向かって延びて形成されている場合のエッジ分岐点を検出するテンプレートが登録されている。また、ライブラリＢには、パターンエッジに相当する輪郭線がＸ方向、スカムがＹ方向であって上方に向かって延びて形成されている場合のエッジ分岐点を検出するテンプレートが登録されている。
　ライブラリＡに含まれるテンプレートによって特定されるスカムは、例えば図１３に例示する突き当てパターンの上側のパターン端部に形成されることが考えられる。また、ライブラリＢに含まれるテンプレートによって特定されるスカムは、突き当てパターンの下側パターンのパターン端部に形成されることが考えられる。
　このようにパターンの部位毎に、エッジの分岐状態が変化するため、ライブラリの種類に応じて、スカムの種類を分類することが可能となる。このような手法によれば、設計データを参照しなくとも、スカムの分類を行うことができる。また、設計データによる分類と、ライブラリの種類に応じた分類を併用することによって、より詳細な分類を行うようにしても良い。
　図１４は、複数の突き当てパターンが配列された輪郭線データ上にて、スカム検出を行う例を説明する図である。ここでは４種のライブラリを用意し、スカムの分類を行う例について説明する。図１５は複数種類のライブラリに記憶されたテンプレートを用いて、スカム検出を行う工程を説明するフローチャートである。
　まず、ＳＥＭ画像を取得（ステップ１５０１）し、設計データ１４０１との対応付け等に基づいて、輪郭線データ１４０２を作成する（ステップ１５０２）。図１４の例では、４つのスカム１４０３，１４０４，１４０５，１４０６が発生している。これらのスカムを検出するため、先ず、或るライブラリからテンプレートを読み出し（ステップ１５０３）、マッチング処理を実行する（ステップ１５０４）。この場合、１つのライブラリに複数のテンプレートが含まれている場合には、複数のテンプレートによるマッチングを繰り返す。更に、１つのライブラリに含まれるテンプレートによるマッチングが終了したら、他のライブラリに記憶されたテンプレートを読み出し、マッチング処理を実行する。
　図１４は、マッチング個所１４０７，１４０８がライブラリＡに登録されたテンプレートによって特定され、マッチング個所１４０９，１４１０がライブラリＢに登録されたテンプレートによって特定され、マッチング個所１４１１，１４１２がライブラリＣに登録されたテンプレートによって特定され、マッチング個所１４１３，１４１４がライブラリＤに登録されたテンプレートによって特定された例を説明している。
　即ち、ライブラリＡに登録されたテンプレートは、図面下方に向かって延びるスカムを検出するものであり、ライブラリＢに登録されたテンプレートは、図面上方に向かって延びるスカムを検出するものであり、ライブラリＣに登録されたテンプレートは、図面右方に向かって延びるスカムを検出するものであり、ライブラリＤに登録されたテンプレートは、図面左方に向かって延びるスカムを検出するものである。
　このように、ライブラリの種類に応じて、スカムの種類を判別することが可能となる。以上のように特定されたスカムは、識別情報と、座標情報、或いはライブラリの種類に応じたスカムの種類に関する情報等、スカムに関連する情報と共に、所定のデータベースに記憶する（ステップ１５０５）。
　なお、スカムの接続状態をモニタするために、例えばテンプレートに関連して所定領域１４１５を設定し、当該所定領域１４１５内に、他のマッチング個所が含まれるか否かを判定する工程を設けるようにしても良い。例えば所定領域１４１５内に複数のマッチング個所が存在し、当該複数のマッチング個所を特定した複数のテンプレートが所定の関係を満たす場合に、当該複数のマッチング個所間は同一のスカムによって接続されている等の判断を行うことが可能となる。
　更に、設計データ１４０１上に検査領域１４１６を重畳し、設計データ１４０１と輪郭線データ１４０２をパターンマッチング等によって重ね合わせることにより、設計データ上で設定した検査領域を輪郭線データ上の適切な位置に設定することが可能となる。
　図１６は、スカムの識別情報（ＩＤ）と、スカムに関連する情報を関連付けて記憶するためのデータベースの概要を説明する図である。座標データ（Ａｄｄｒｅｓｓ）には、例えば輪郭線データ上の位置や設計データとのマッチングによって得られる位置情報が登録される。また、パターン（Ｐａｔｔｅｒｎ）データとしては、スカムが発生したパターンの識別情報等が登録される。また、パターン形状（Ｐａｔｔｅｒｎ　Ｓｈａｐｅ）は、先に説明したライブラリの種類や、設計データに基づいて得られるスカムが発生した個所のパターン形状に関する情報が登録される。パターン線分の識別情報は、例えば図１２に例示したように、設計データのパターンの部分領域毎に、その部位の識別情報を持たせておき、設計データと輪郭線データとの間のパターンマッチングによって、設計データの各部分領域に属する輪郭線データの部分領域を決定することによって得ることができる。また、図２３に例示するように、設計データ２３０１と輪郭線データ２３０２との間でマッチング処理を行い、その上で、設計データ２３０１の線分と輪郭線データ２３０２の線分との間で対応付けを行うことによって、輪郭線データ２３０２の各線分について識別情報（線分情報）を付加するようにしても良い。図２３のＴは上部、Ｂは下部、Ｌは左部、Ｒは右部を示し、Ｌ１～Ｌ６は線分番号を示す。例えば図２３の例では、輪郭線データ２３０２の領域２３０３に含まれる線分は、『Ｌ２』と言う識別情報が付された設計データの線分に対応するため、同様に『Ｌ２』という識別情報を付加することが考えられる。同様に、領域２３０４に含まれる輪郭線データの線分は、『Ｌ５』という識別情報が付された設計データの線分に対応するため、『Ｌ５』という識別情報を付加することが考えられる。無論、所定のルールに基づいて、他の識別情報を付加するようにしても良い。
　線分間の対応付けは、例えば設計データ２３０１上の所定位置から、最も近い輪郭線データ２３０２上の位置を特定し、当該位置を、対応点とすることが考えられる。
　また、スカムの種類（Ｓｃｕｍ　Ｐａｔｔｅｒｎ）の欄には、例えば先に説明したライブラリの種類や、テンプレートが持つスカムの識別情報が登録される。更に、“Ｃｏｎｎｅｃｔ”の欄には、図１４の所定領域１４１５内に複数のマッチング個所が含まれるような場合、複数のマッチング個所間がスカムによって接続されていると判定し、その旨の情報を登録する。
　これらデータベースに記憶されるデータは、必ずしも全てのデータを必要とするものではなく、後述するようなスカム評価を行うのに必要な情報が登録されれば良い。
　図１７は、エッジ分岐点を検出する演算装置の概要を説明する図である。演算装置内には、回路パターン４０１等からの画像データを取得するためのＳＥＭ画像取得部１７０１、当該画像データから輪郭線情報を抽出する輪郭線抽出部１７０２、所定のテンプレートを用いてパターンマッチングを行うマッチング処理実行部１７０３、マッチングによって特定されたエッジ分岐点を検出する検出部１７０４、検出されたエッジ分岐点を所定の条件に基づいて識別する識別部１７０５、及び演算装置内の処理に必要な情報を記憶する記憶部１７０６が設けられている。識別部１７０５では、上述のような識別情報（ＩＤ）、座標データ（Ａｄｄｒｅｓｓ）、スカムが発生したパターンの部位情報、エッジ分岐点を特定したテンプレートが記憶されたライブラリの種類等、他のスカムとの識別が可能な情報、或いは輪郭線データ内のスカムの数に関する情報を付加して、図１６に例示するような表形式で記憶する。また、スカムの種類毎に用意されたデータフォルダに、スカムの種類に応じて分類して記憶するようにしても良い。
　なお、図１７の例では演算装置内に、記憶媒体が内蔵され、必要に応じて、演算部が記憶部にアクセス可能となるように構成されているが、記憶媒体を外部に設置し、必要に応じて演算装置がアクセスするようにしても良い。
　図１９は、スカム検出結果の統計値の出力例を説明する図である。例えば図１９の（ａ）では、パターン間の間隔を横軸とし、スカムの発生頻度を縦軸としたグラフを示している。パターン間間隔情報は、設計データから得るようにしても良いし、後述するように実際の測定値から取得するようにしても良い。このような表示を行うことによって、パターン間間隔がどの程度スカム発生に寄与するのかの判断が可能となる。
　図１９の（ｂ）は、縦軸を発生頻度とし、横軸をパターン形状としたグラフを例示している。このようなグラフ表示によれば、スカム発生とパターン形状との関連を評価することが可能となる。パターン形状は例えばラインエンド、コーナ、直線部等が挙げられる。また、複数のパターンの複合的な条件（例えば突き当てパターン、ラインエンドとコーナが近接している部分、直線部とラインエンドが近接している部分等）としても良い。更に、パターン形状毎に、パターン間の距離毎の発生頻度を表示すべく、棒グラフをパターン間の距離に応じて分割し、識別表示するようにしても良い。
　図１９の（ｃ）は、パターンの方向毎の発生頻度の分布図を示している。本例の場合、スカムの発生方向と、スカムの長さを分布表示している。このような表示形態によれば、スカムの発生方向と、スカム長さの関係の確認が可能となる。なお、スカムの距離を、パターン間寸法に置き換えると、パターン間の間隔とスカム発生の関係を把握することが可能となる。スカムの発生方向の情報は、例えば発生したスカムがパターンのどの位置に存在するかを判定に基づいて抽出する。
　図１９の（ｄ）は、図１３等で説明したスカムの方向の特定が可能なテンプレートにて特定されたスカムと、スカム長さとの関係を示す分布図である。本例では４方向のスカム方向が特定可能な複数のテンプレートを用いて、スカム方向を特定し、各方向の発生頻度を示している。本例の場合、比較的、上下方向に延びるスカムが頻発していることが判定できる。
　図２０は、画像処理装置２００１の概要を説明するブロック図である。画像処理装置２００１は、外部の記憶媒体に記憶された設計データ２００４、輪郭線データ２００５、テンプレートライブラリ２００６から、データを入力するためのデータ入力インターフェース２００２と、設計データ２００４と輪郭線データ２００５との間でマッチングを行うマッチング部２００７、当該マッチングに基づいて、パターン、及びパターンの各部位の識別情報を付加するパターン識別情報付加部２００９を備えている。パターン識別情報付加部２００９では、設計データ２００４が持つパターンの識別情報、及びパターンの部位の識別情報を、輪郭線データに付与する作業が行われる。
　スカム検出部２００８では、テンプレートライブラリ２００６に記憶されたエッジ分岐点の検出用テンプレートを用いて、輪郭線データ２００５にてスカム検出を実行する。このようにして検出されたスカムは、パターン識別情報付加部２００９にて付加された識別情報、及び／又はテンプレートライブラリ２００６に記憶されたテンプレートが持つ識別情報に基づいて、スカム分類部２０１０にて分類される。スカムの関連情報、輪郭線データ、及び設計データは、出力データ生成部２０１２にて、所定のデータ形式に変換され、データ出力インターフェース２００３を介して、データベース２０１１に記憶される。
　図１８は、スカムの検出に基づいて、エッジ分岐点間の寸法を測定する例を説明する図である。図１８の（ａ）は、複数のラインパターン間にスカムが発生した例を説明する図である。図１８の（ａ）では、第１の輪郭線１８０１と第２の輪郭線１８０２の間にスカム１８０３が発生している。このようなスカム１８０３の端部には２つのエッジ分岐点が存在する。このようなエッジ分岐点を、測長始点、及び測長終点として測長個所１８０４を設定することにより、スカムが発生した個所を選択的に評価対象とすることができる。スカムを欠陥と定義した場合、エッジ分岐点の抽出に基づく測定始点、測定終点の選択は、欠陥に相当する部分を測定対象として選択することになるため、測定レシピ作成の効率化、及び自動化を実現することが可能となる。
　図１８の（ｂ）はラインエンド間にスカムが発生した例を説明する図であり、スカムが発生した個所に選択的に、測長個所１８０５を設定した例を説明する図である。このように、スカムが発生した個所を選択的に、測定対象とすることによって、効率の良い測定を実行することができる。
　図１８の（ｃ）はラインエンドとパターンのコーナー（アウターコーナー）との間にスカム１８０６が発生した例を説明する図である。本例では、第１のエッジ分岐点１８０７と第２のエッジ分岐点１８０８を、測長始点、及び測長終点として設定している。なお、測定対象は、２つの分岐点間のＸ方向の間隔（Δｘ）、Ｙ方向の間隔（Δｙ）、二次元方向の間隔（Δ）、或いはスカム１８０６自体の長さとすることができる。
　図２２は、エッジ分岐点の検出に基づいて、測定個所を自動的に設定する工程を説明するフローチャートである。ステップ２２０１～２２０４までは、エッジ分岐点検出工程と同様である。ステップ２２０５では検出されたエッジ分岐点から、測長個所を抽出する工程である。この際、関連するエッジ分岐点間を測定対象とすべく、上述したパターン部位の分類情報を利用する。
　図２１は、輪郭線２１０３，２１０４にパターン部位の識別情報を付加する手法を説明する図である。図２１の（ａ）は、Ｌ字型のパターンとラインパターンの設計データ２１０１，２１０２を例示するものである。設計データ２１０１，２１０２にはそれぞれ、パターンの部位を識別する識別情報が付加されている。本例の場合、例えば、「Ａａ１」の「Ａ」はパターンの識別符号、「ａ」はパターン部位の種類の識別符号、「１」は同じ種類のパターン部位が複数存在する場合に、複数の部位のそれぞれに付される識別符号である。本例の場合、「Ａ」はＬ字型のパターン、「Ｂ」はラインパターンを示している。また、「ａ」はラインエンド、「ｂ」はコーナ、「ｃ」は直線部を示している。
　以上のような識別情報が付加された設計データと、輪郭線データ２１０３、２１０４との間でパターンマッチングを実行し、輪郭線データ２１０３、２１０４にパターン部位の識別情報を付加した状態を図２１の（ｂ）に例示する。各識別領域に属する輪郭線に、識別情報を付加することによって、輪郭線は部位ごとに固有の情報を持つことになる。
　このような識別情報に基づいて、エッジ間がスカムによって接続すると考えられるパターン部位の組み合わせ（本例の場合、例えば輪郭線データ２１０５の「Ａｂ２」と、輪郭線データ２１０４の「Ｂａ１」）の双方にエッジ分岐点が形成された場合に、双方の分岐点を測定始点と測定終点として設定することによって、スカムが発生する個所を自動的に測定対象として選択することが可能となる。
　一方で、領域「Ｂａ２」に属するスカム２１０７は、領域「Ａｂ２」に属するスカムとは距離的に、連続したスカムとはなり得ないと考えられるため、仮に領域「Ａｂ２」と「Ｂａ２」の双方にスカムが発生したとしても、その間を測定対象から除外する。また、領域「Ａａ２」にスカム２１０６が発生し、領域「Ｂａ１」にスカムが発生したときも同様であり、その間を測定対象から除外する。
　以上のように、近接する領域の組み合わせ（本例の場合「Ａｂ２」と「Ｂａ１」）の双方にスカムが発生したときに、選択的に測定対象個所として設定し、それ以外の場合には、測定対象としないような処理を行うことによって、スカムによってパターンが接続して見えるような部分を選択的に測定対象として設定することが可能となる。
　図２２のステップ２２０５では上述のようなルールに基づいて、測長始点、終点を設定し、測定レシピとして記憶する（ステップ２２０６）。
　次に画像データから求めたパターンの断面形状に関する情報を用いてスカムを検出する手法を説明する。
　図２５は、プロファイルエッジを用いたスカム検出を示す。図２５はパターンエッジの下部（以下、パターンエッジ下部）２５０３にスカム２５００が存在するラインパターンと、ラインパターンの断面形状（以下、断面プロファイルとする）２５０４と、その断面に対応するラインパターンの画像データの輝度プロファイル（以下、画像プロファイルとする）２５０７と、パターンマッチングの結果に基づく設計データ２５０１を重ね合わせた図である。
　図３で示した線状のスカムの他、このようなパターンエッジの下部に存在するスカム２５０６も致命的な欠陥の原因になるため、その検出が必要とされる。
　なお、参考のため、スカムが存在する場合と存在しない場合のプロファイルを示した。破線はスカムが存在しないパターンのプロファイルを示しており、実線はスカムが存在するパターンのプロファイルを示している。
　パターンエッジ下部２５０３に存在するスカムを検出するため、画像プロファイル２５０７の分析によって、パターンエッジの上部（以下、パターンエッジ上部）２５０２に相当する画像信号（以下、トップエッジ）２５０８とパターンエッジ下部２５０３に相当する画像信号（以下、アンダーエッジ）２５０６を個別に抽出する。次にトップエッジ２５０８から成る輪郭データとアンダーエッジから成る輪郭データを生成し、その輪郭データ間の形状比較によって、スカムの有無を検出する。パターンにスカムが存在する場合、トップエッジから成る輪郭データとアンダーエッジから成る輪郭データに形状差が生じるため、その形状差が大きいものをスカムパターンとして検出する。
　以下、図２６、図２７を用いて、プロファイルエッジを用いたスカム検出方法を具体的に説明する。
　図２６はラインパターンの一部の断面プロファイル２６０１とその画像プロファイル２６０８を示している。
　パターン領域２６００はスカムが発生するラインパターンの溝領域を示しており、スカムの検出を行うエリア情報としてユーザが指定する。また溝部、非溝部の情報を有する設計データと画像データのパターンマッチングの結果に基づき、溝領域を設定しても良い。
　まず溝領域２６００の境界付近にある画像プロファイル２６０８のピーク信号２６０３を求め、そのピーク位置２６０７を求める。このポイントをパターンエッジ上部に相当するトップエッジの位置とする。
　次にピーク位置２６０７から溝領域２６００の中心２６０９方向に存在するボトムピークの信号２６０５を検出する。
　次にピーク信号２６０３とボトムピーク信号２６０５の信号差ｈ１を算出する。次に、ピーク２６０３とボトムピーク２６０５に範囲内（例えばボトムピーク＋ｈ１×０．２の信号値）に相当する閾値２６０４に相当する画像プロファイル２６０８のポイント２６０６を求める。このポイントをパターンエッジ下部に相当するアンダーエッジの位置とする。
　以上のトップエッジとアンダーエッジの検出を、スカム検出対象の画像領域に対して行う。なお、エッジ検出を行うための画像プロファイルの参照方向はエッジ点を検出するポイント毎にオペレータが指定しても良いし、パターンマッチングに用いた設計パターンの連続方向に基づいて設定することもできる。
　次に検出されたエッジ点間を接続し、トップエッジの輪郭データ（以下、上部輪郭データ）とアンダーエッジの輪郭データ（以下、下部輪郭データ）を生成する。
　図２７に上部輪郭データ２７０１、下部輪郭データ２７０２の例を示す。
　次に、スカム検出の対象領域２７０４について上部輪郭データ２７０１と下部輪郭データ２７０２の間隔（誤差）２７０３を網羅的に計測する。計測の間隔は任意に設定できるものとする。
　次に計測された複数の誤差値を対象に、その統計量を算出し、スカムを判定するための指標とする。例えば、誤差の平均や最大はパターン上部と下部のエッジ位置の乖離を示すため、平均値が大きいほどスカムが発生している可能性が高いとみなすことができる。また、スカムが存在する場合、図２７のようにパターン下部のエッジ形状が大きく歪む。この歪みの程度は誤差の分散や標準偏差で表すことができる。すなわち誤差の標準偏差が大きいほどスカムが発生している可能性が高いとみなすことができる。
　最後に上部輪郭データと下部輪郭データの誤差の統計量に基づく指標の閾値処理を行い、閾値以上のパターンをスカムが存在するパターンとして検出する。
　また、上部輪郭データと、下部輪郭データとの間の距離的な乖離の程度、或いはばらつきの程度が所定値を超えている場合に、当該部分について選択的にスカム検出を行うようにしても良いし、スカム検出を実施した上で、ばらつき等が所定値以下である場合に、検出したスカムがスカムではない（例えばノイズ等を検出した可能性がある）として、スカム検出結果のフィルタリングを行うようにしても良い。
　更に、乖離やばらつきに関する情報と、スカム検出結果を、図１６に例示したようなデータベースに関連付けて記憶させておくことによって、輪郭線間の乖離の程度と、スカムの発生との因果関係を特定することも可能となる。
　次にパターンの画像信号のばらつきを利用してスカムを検出する手法を説明する。図２５で示したようにスカムが存在するパターン溝部の画像信号は、スカムが存在しないパターン溝部の画像信号に比べて変化が大きい。このため、パターン溝部を特定し、その領域の画像信号のばらつきを分散や標準偏差等で計算し、その大きさからスカムの有無を判定できる。
　以下、具体的にスカム検出手順を説明する。図２８は、輝度分布を利用したスカム検出において、スカムが存在するラインパターンのパターンエッジ上部の輪郭データ２８０１とパターンエッジ下部の輪郭データ２８０２を示したものである。パターンエッジ上部の輪郭データ２８０１とパターンエッジ下部の輪郭データ２８０２に囲まれた領域にスカム２８０３が生じる。このため、図２６を用いて説明したパターンエッジの検出によって求められたパターンエッジ上部２８０１とパターンエッジ下部輪郭データを用いてスカムの評価エリア２８０４を限定する。
　なお、評価エリアは、パターンエッジ下部の輪郭データもしくはパターンエッジ内部の輪郭データのいずれか一方を用いて限定することができるし、オペレータが設定しても良い。更には溝部、非溝部の情報を有する設計データ（もしくはシミュレーションデータ）と画像データのパターンマッチングの結果に基づき、評価エリアを限定してもよい。
　次に評価エリア２８０４に相当する画像データの分散や標準偏差等画像信号のばらつきを示す統計量を計算する。最後に画像信号のばらつきを示す統計量について閾値処理を行い、閾値以上のパターンをスカムが存在するパターンとして検出する。
　また、上部画像信号のばらつきに関するデータの程度が所定値を超えている場合に、当該部分について選択的にスカム検出を行うようにしても良いし、スカム検出を実施した上で、ばらつき等が所定値以下である場合に、検出したスカムがスカムではない（例えばノイズ等を検出した可能性がある）として、スカム検出結果のフィルタリングを行うようにしても良い。
　更に、画像信号のばらつきに関する情報と、スカム検出結果を、図１６に例示したようなデータベースに関連付けて記憶させておくことによって、輪郭線間の乖離の程度と、スカムの発生との因果関係を特定することも可能となる。
　次に、上記のスカム検出対象領域２７０４における上部輪郭データ２７０１と下部輪郭データ２７０２の複数の間隔（誤差）２７０３の統計量に基づいて、パターン倒れの検出を行う例について説明する。パターン倒れは、パターン形成プロセスにおけるリンス液によるパターンの洗浄や、乾燥工程にて発生する。図３６の（ａ）は、正常に配列されたパターンの様子、図３６の（ｂ）は、パターン倒れの様子を示す図である。図３６の（ｂ）に示すように、洗浄液の使用等によってパターン間においてお互いに引き合う力（表面張力）が働くために、パターン倒れが起きてしまうことがある。また、図３６の（ｃ）は上部にて局所的なパターン倒れを起こしたパターンの様子を上から見た図である。ある程度の長さを有するパターンにおいては、このようにパターンの一部だけがよじれたり、倒れてしまうことがある。パターン倒れが起こると、その傾斜角に応じて上部輪郭データ２７０１と下部輪郭データ２７０２の誤差値はスカムの存在によるものよりも大きくなり、またそのばらつきも大きくなることが想定される。そこで、図３７を用いて、上部、下部の輪郭データの誤差値に基づいてパターン倒れが起きているのか、またはスカムが存在しているのかを判断する手順の一例について説明する。両者を判別することができれば、例えばパターン倒れの発生に対してはリンス液の選択やパターンの設計へのフィードバックを行うなど、それぞれに応じた個別の対処をとることができる。まず、ＳＥＭ２０１によってＳＥＭ画像を取得したのちに（ステップ３７０１）、パターンの上部輪郭データ２７０１、下部輪郭データ２７０２をそれぞれ取得する（ステップ３７０２）。次に、パターンのエッジに沿ったスカム検出対象領域２７０４における複数の領域について上部輪郭データ２７０１と下部輪郭データ２７０２の間隔（誤差値）２７０３を網羅的に計測する（ステップ３７０３）。各々の領域ごとに計測した誤差値の平均値、標準偏差を算出する（ステップ３７０４）。ここで求めるのは、平均値、標準偏差のどちらか一方のみでもよいし、両者を算出して以後のステップにおける評価対象として用いてもよい。次に、算出した平均値、標準偏差の値が、予め定めた所定の閾値Ａ以上となるかどうかを判断し（ステップ３７０５）、閾値Ａ以上となる場合には、パターン倒れが起こっていると判定する（ステップ３７０６）。そして、閾値Ａよりも小さい場合には、予め定めた所定の閾値Ｂ（Ｂ＜Ａ）以上となるかどうかを判断し（ステップ３７０７）、閾値Ｂ以上となる場合には、スカムが存在していると判定する（ステップ３７０８）。また、閾値Ｂよりも小さい場合には、スカム以外の検出（例えばノイズ等）が要因であると判定する（ステップ３７０９）。
　このように、上部輪郭データ２７０１と下部輪郭データ２７０２の間の間隔がある程度の大きさ及びばらつきを有する場合において、閾値を用いた判断を行うことによって原因がスカムの発生によるものなのか、パターン倒れのようなその他の要因によるものなのかを判断することが可能になる。
　また、ここでは複数の閾値を用いた判断処理を行う場合を示したが、この他にも、ばらつきの大きな領域が所定の範囲を超えた場合にはパターン倒れであり、この範囲内に収まっている場合にはスカムと判別することもできる。ここで、所定の範囲とは、例えば一定の大きさに規定した区画領域ごとに当該誤差値の平均値や標準偏差を求め、ばらつきが大きな区画領域の数が所定の数をこえるかどうかを基準として定めることもできる。
　さらに、上記の例では上部輪郭データ２７０１と下部輪郭データ２７０２の間隔についての誤差を利用して判断処理をしたが、他の判断基準として、ＳＥＭ画像から取得されたパターンのエッジの周波数を解析することによってもパターン倒れあるいはスカムを判別することもできる。具体的には、ＳＥＭ画像における所定の領域内の周波数が一定の値よりも高い場合には、局所的に突出したスカムが存在しており、比較的低周波である場合にはパターンの傾斜によるゆらぎであると判断できる。
　上記の他に、ＳＥＭ画像の輝度情報に基づいてパターン倒れを検出する方法もある。パターン倒れが起きると、パターンの画像の輝度情報に基づいて取得されるホワイトバンドの幅が左右の側壁において異なるため、図３６の（ｄ）に示されるように、当該左右の幅に対応するラインプロファイルの寸法を測定することによって検出することができる。具体的には、ＳＥＭ画像と設計データとを重ね合わせてパターンの左右の側壁を識別し、左右それぞれにおける所定の領域にてＳＥＭ画像から輝度情報に基づくラインプロファイルを作成し、このピーク位置からホワイトバンドの幅を比較し、当該比較した結果、左右に一定以上の差が生じている場合には、パターン倒れであると判定することができる。
　ここで、上述のスカム検出、あるいはスカムとパターン倒れとの判別において、パターンの上部輪郭データ、下部輪郭データ、及びパターンの任意の高さ位置における部分の輪郭データを生成する方法の具体的な一例について図４４Ａ～図４４Ｄを用いて説明する。図４４Ａは当該輪郭線データの作成手順を示すフローである。まず、評価対象であるパターンのＳＥＭ画像を取得し（ステップ４４０１）、画像の輝度情報に基づいてラインプロファイルを作成する（ステップ４４０２）。ここで、図４４Ｂに示すように、当該プロファイルは、パターン４４０５の傾斜が大きいところほど信号強度が大きく、シャープになるという傾向がある。そこで、取得したプロファイルに対して予め複数の閾値を設定し、各々の閾値ごとに、当該閾値を示す画像上の個所をつなぎあわせて輪郭線を抽出する（ステップ４４０３）。これを設定した所定数の閾値について行うことにより、複数の測長輪郭線を抽出する（ステップ４４０４）。また、ステップ４４０４を省略し、予め所定数の閾値の輪郭線を全て抽出するように設定することもできる。図４４Ｃは、プロファイルに複数の閾値を設定し、複数の輪郭線を抽出した例（拡大図）を示す。図４４Ｃの例の場合、プロファイルのピークの部分を１００％（Ｔｈ１）と設定したときに、Ｔ２～Ｔ５に対しても一定の割合で変化させて輪郭線を抽出している。閾値は種々の方法により設定可能である。図４４Ｄは、当該所定数の閾値ごとに抽出した輪郭線を重ね合わせて上から見た図である。
　このように抽出した複数の輪郭線を用いることで、上述のようにスカム検出やパターン倒れの判別において、スカム検出の対象領域２７０４について上部輪郭データ２７０１と下部輪郭データ２７０２の間隔（誤差）２７０３を網羅的に計測することに加えて、各々の輪郭線に対して任意の輪郭線間の間隔を計測することも可能になる。
　次に、スカムの発生方向を識別し、パターンの外側に発生するスカムのみを選択的に検出する方法について説明する。半導体の製造プロセスの条件によっては、図３１に示すようにパターンの表面の内側に発生する荒れのような形状が発生する場合がある。このような場合においては、パターンのショートの直接的な原因となるスカムのみを選択的に検査対象とすることが望ましいが、上述のエッジ分岐パターン等の画像テンプレートを用いたパターンマッチング処理を行うと、パターンの外側に発生したスカムであるか、内側に発生した表面の荒れであるかに関わらず画一的にスカムとして検出されてしまうため、両者の判別をすることができない。そこで、図２９に示した設計データとのマッチングによりパターンの溝部を特定し、当該溝部を対象として検査領域を設定した上でエッジ分岐点を検出するスカムの判別手順の一例を説明する。ここで、設計データには、パターンの内外の情報がベクトルなどによって付加されているものを利用する。
　まず、ＳＥＭ２０１によってＳＥＭ画像を取得したのちに（ステップ２９０１）、図１０に示した手順によってパターンのエッジを１画素幅のエッジとして示す輪郭データを抽出する（ステップ２９０２）。次に設計データと輪郭データのパターンマッチングによって位置合わせをしたのち（ステップ２９０３）、側壁のエッジを探索して（ステップ２９０４）、パターンの溝部を特定する（ステップ２９０５）。なお、ここでステップ２９０３のマッチングを行ったのちに、ステップ２９０２の輪郭線化を行うようにしても良い。次に、特定したパターンの溝部の情報に基づいて、検査領域を設定する（ステップ２９０６）。ここで、検査領域については、図３２に示すようにパターンの溝部を含むとなるように設定するのが望ましい。このように設定することによって、パターンの内側に発生する表面の荒れを検査対象から除外することができるからである。次に、エッジ分岐パターンと輪郭データのパターンマッチングを行い（ステップ２９０７）、エッジ分岐点を抽出する（ステップ２９０８）。そして、抽出したエッジ分岐点が検査領域内であるかどうかを判断し（ステップ２９０９）、領域内である場合には、パターンの外側に発生したスカムとして検査を行い（ステップ２９１０）、領域外である場合には、パターンの内側に発生した表面の荒れとして検査を行わないように設定する（ステップ２９１１）。以上の工程により、パターンの外側に発生したスカムと、パターンの内側に発生した表面の荒れの統計を求めることもできる。なお、このステップ２９０９の判断を省略し、予め検査領域のみを検査対象としてエッジ分岐点抽出を行うように条件を設定することもできる。
　また、上記のフローのステップ２９０３におけるパターンマッチング処理に用いる設計データに変えて、試料のＬＲ像を用いることによっても当該判別を行うことができる（図３０）。この場合、ＳＥＭ像とＬＲ像を取得後（ステップ３００１、３００２）、それぞれ閾値を用いた二値化処理（ステップ３００３）、輪郭データ抽出（ステップ３００４）を行ったのち、両者の輪郭データ同士を用いることでマッチングできる（ステップ３００５）。その後のステップ３００６－３０１２は、図２９のステップ２９０４－２９１０と同様である。ＬＲ像を用いた場合、設計データよりも実際のパターンに近似した信頼性の高いマッチング処理を行うことが出来る。
　また、ステップ２９０６の検査領域を設定することなく全ての領域についてエッジ分岐点を抽出し、設計データ等とのマッチング処理によって得られたエッジ情報から特定されたパターンの溝部であるかどうかの識別情報を、抽出したエッジ分岐点に関する情報と関連付けて図１６に示したデータベースの記憶部に記憶させ、統計処理を行うこともできる。このようにすることによって、パターンの表面荒れと、スカムとの発生数の関係を取得することができる。
　次に、スカムの発生の程度と危険度のレベルについて説明する。図３３は、配線パターンの間（溝部）に発生したスカムの発生の程度を示す断面図と上面図、及びスカムの危険度のレベルとの関係を示す図である。なお、本図に示すスカムは一例であり、当然のことながらスカムの発生形態はこれに限定されるものではない。
　本図に示される通り、配線パターンの溝部に発生するスカムについては、発生初期の段階ではパターンの底部に局所的に張り出したような形態をしており、隣り合うパターンから溝部において対向するようにスカムが発生した場合であっても、両者の間には間隔が存在している（危険度レベル１）。次の段階として、スカムの発生レベルが上記の場合よりも高くなり、お互いに縦－横方向、または高さ方向へ大きくなったことによって両者が接続し、さらには複数箇所において同様の現象が見られることがある（危険度レベル２－３）。そして、さらに発生レベルが高くなると、一定の幅、または高さを持ったスカムが形成される（危険度レベル４）。図３８は、発生したスカムの幅、及び高さの度合いと、危険度のレベルとの関係を示す。ここでいう危険度とは、パターンのショートのしやすさや、除去の困難性の程度等を意味する。すなわち、発生レベルの低い段階における微小なスカムについては製造工程において除去が可能であるが、レベルが高くなるにつれて除去が困難になる。したがって、発生したスカムを定量的に評価することが求められる。
　そこで、次に、このように発生したスカムの幅、及び高さを評価する方法について説明する。図３９は、複数のラインパターン間に発生したスカムの幅を寸法測定する手順の一例を示す。
　まず、ＳＥＭ２０１によってＳＥＭ画像を取得したのちに（ステップ３９０１）、輪郭線データを作成する（ステップ３９０２）。ここで、輪郭線データの作成には、上述の閾値処理や、設計データとの対応付け等を用いて行うことができる。図４０の（ａ）の例では、複数のラインパターン４００１の間にスカム４００２、４００３、４００４が発生している。また、図４０の（ｂ）は、発生したスカムの幅を寸法測定する例を示す。次に、図１５に示した手順によって複数種類のライブラリからテンプレートを読み出し（ステップ３９０３）、それぞれのテンプレートを用いたマッチング処理（ステップ３９０４）を行って、エッジ分岐点を検出する（ステップ３９０５）。次に、エッジ分岐点を構成する複数のエッジのうち、本来のパターンに起因しない、すなわちスカムに起因したエッジを含んだ領域について測長個所４００５を設定する（ステップ３９０６）。このとき、好ましくはステップ３９０８にて作成するプロファイルのピークを最もシャープに取得可能な方向に測長個所４００５を設定する。特に、当該スカムに起因するエッジに対して垂直となるように測長個所４００５を設定することにより、後述するように高精度な測長結果を得ることができる。そして、設定した測長個所４００５にてスカムに起因するエッジに対して垂直に電子線の走査を行って（ステップ３９０７）、検出される二次電子信号からプロファイルを作成し、スカム幅の寸法を測定する（ステップ３９０８、３９０９）。
　上記のフローでは、スカムに起因するエッジを含む領域について測長個所を設定し、電子線を走査しているが、当該領域においてステップ３９０１にて予め取得したＳＥＭ画像の輝度情報に基づいて得られる信号からプロファイルを作成するようにしても良い。このとき、当該スカムに起因するエッジの方向に垂直となる方向に輝度分布を取得することが望ましい。
　ここでは抽出したエッジ分岐点に対して画一的にスカムの幅を測長する手順を説明したが、当該分岐点が所定の条件を満たす場合に選択的に上記の手法を用いるようにしてもよい。例えば、複数のエッジ分岐点が抽出された場合に、当該テンプレートの有する特徴によって検出されたエッジ分岐点が１本の線で結ばれている、すなわち同一のスカムとして接続された状態にあるかを判断し、同一のスカムを形成していると判断されたものがある場合には、当該スカムに起因するエッジに対して垂直となるように測長個所４００５を設定する。また、同一のスカムを形成していないと判断された場合には、スカム幅の寸法測定の非対象とすることができる。また、当該条件はこれに限定されるものではなく、状況に応じて種々の条件を設定できる。例えば上記のように同一のスカムを形成していない場合においても、例えば図１８にて示した方法によってスカムの長さを測定した結果、危険度のレベルが高いと判断された場合にはスカム幅の寸法測定対象とするように判断の基準を設けることもできる。図４０の（ｂ）の矢印４００６は、電子線の走査方向を示している。上記の手順により、評価対象とするスカムの寸法を選択的に測定することができる。
　ここで、例えば図４０の（ａ）に示すスカム４００４のように、広い幅を有するスカムが発生した場合、スカムの両端部分について２本の輪郭線データが作成されることが想定される。そのような場合には、作成された当該輪郭線データ間の距離が例えば予め定めた距離よりも小さいなどの所定の条件を満たす場合には、これらは同一のスカムを形成するものとして判断し、寸法測定を行う。また、図４０の（ａ）のスカム４００２、４００３の場合ＳＥＭ画像の輝度情報からプロファイルを作成すると、図４０の（ｃ）のプロファイル４００７のように単一のピークが生じると考えられるため、このような場合には当該ピークを形成する始点と終点の間の距離を測定することでスカム幅の寸法測定ができる。しかしながら、図４０の（ａ）のスカム４００４のように広い幅を有している場合には、図４０の（ｃ）のプロファイル４００８のようにピークは２点となることが考えられる。この場合、当該２点のピーク間の距離をスカム幅の寸法として測定するようにアルゴリズムを用いることもできる。以上のように、発生するスカムの状態によって、スカム幅の測定方法を適宜選択することが可能である。
　次に、測長個所をスカムに起因するエッジに対して垂直となるように設定し、電子線を走査する理由について説明する。図４１は、スカムのエッジを表す輪郭線データ４１０１に対する電子線の走査方向４１０２、４１０３、４１０４と発生する二次電子信号から作成されるプロファイルの関係を示す図である。スカムの輪郭線データ４１０１に対する電子線の走査方向４１０２、４１０３、４１０４の違いによって、図４１の（ａ）、（ｂ）、（ｃ）のようにプロファイルの形状も相違する。ここで、電子線の走査方向４１０２は、スカムの輪郭線データに対して９０°、すなわち垂直となる方向を示しており、図４１の（ａ）のように最もピークの大きいプロファイルを作成することができる。
　また図４２に示されるように、検出される二次電子信号強度と、電子線の走査方向とスカムとがなす角度との間には一定の傾向（相対関係）があることが想定される。本図から、スカムのエッジに対して垂直な方向へ電子線走査を行うことで最も大きな信号強度を得ることができることがわかる。上記の例は、パターンのエッジ方向に対する電子線の走査方向と同様の傾向である。従って、信頼性の高いスカム幅の寸法測定を行うために、上述のように選択的に測長個所を設定することが望ましい。
　図４３に、測長個所の設定方法のバリエーションの例を示す。スカム４３０２の発生については上述の通り種々の形態があり、図４０の（ｂ）にて説明したような１方向に発生する例の他にも、例えば図４３の（ａ）のようにパターン４３０１に対して斜めとなる方向に、かつ曲線を描くように変形して発生する場合や、図４３の（ｂ）のように隣接も対向もしていない場所に位置するパターン間にわたって発生する場合もある。このような場合、発生したスカムの複数の領域ごとに測長個所４３０３を設定し、どの領域においても常に垂直方向に電子線が走査されるようにすることもできる。また、１つの測長個所４３０３内においても、電子線の走査方向を調整することで常にスカムに対して垂直になるように走査することもできる。また、図４３の（ｃ）は発生した複数のスカム４３０２が接続状態にない場合を示す。このような場合においては、図３９のステップ３９０６の判断によってスカム幅の寸法測定の非対象とし、測長個所４３０３を設けないこともできるが、例えば上述のようにスカム４３０２の長さが所定の条件よりも大きくなった場合には、当該スカムのみを測定対象として垂直方向に測長個所４３０３を設定できる。
　さらに、設計データを用いて、予めパターンの位置に関する情報、例えば、近接しているパターンが存在するか等の情報を予め取得しておき、スカムを検出した場合に、スカムの発生位置から、当該予め把握している近接パターンを含むように測長個所４３０２を設定し、電子線を走査することもできる。図３３にて説明したように、スカムは近接するパターンに接続する可能性があるため、このように、設計データから得られるパターンの位置関係に基づいて測長個所４３０２を設けることで、エッジ分岐点の抽出によっては一部分のみのスカムを検出し、当該スカムに連続する部分については検出することができなかった場合においても、実際に存在している状態のスカムを高精度に検出することが可能になる。
　上記の実施の形態では、スカムの幅を定量的に評価する手法について説明した。次に、スカムの高さについて評価する方法を説明する。スカムの高さを評価することによって、例えば、複数のスカム同士が接続している、あるいはスカムの長さ、幅等の寸法が一定の値以上の場合においても、実際には高さ方向へは成長しておらず、危険度レベルがそれほど高くない、すなわち除去が可能なスカムを認識することが可能になる。また、スカムの高さのみが危険度レベルに著しく影響する場合においては、スカムの検出後に、単独で当該評価を行うことも有効である。
　図４５を用いて、スカムのＳＥＭ画像から輪郭データを抽出し、高さを評価する手順の一例について説明する。なお、当該手順は上述の手法によって検出したスカムに対して寸法や幅の測定など種々の評価と併せて適用可能である。例えば、検出したスカムが一定の幅を有していると判断された場合にのみ選択的に行うことができる。まず、ＳＥＭ画像を取得したのちに（ステップ４５０１）、図１０に示した手順によってパターンのエッジを１画素のエッジとして示す輪郭データを抽出する（ステップ４５０２）。次に、上述のライブラリからエッジ分岐点パターンであるテンプレートを読み出して（ステップ４５０３）、マッチング処理を行い（ステップ４５０４）、エッジ分岐点を抽出してスカムの検出を行う（ステップ４５０５）。そして、ＳＥＭ画像において、当該検出したスカムを含む領域のラインプロファイルを作成する（ステップ４５０６）。当該プロファイルの作成においては、スカムが検出された領域において再度測長個所を設定して画像を取得しても良いし、既に取得した画像から作成されるプロファイルのうち、スカムの検出領域の部分のみを選択的に用いるようにしても良い。次に、図４４Ａにて説明したように、予め定めた所定数の閾値ごとに輪郭線を抽出し（ステップ４５０７）、所定数の閾値の輪郭線を全て抽出する（ステップ４５０８）。このとき、当該所定数の閾値について、プロファイルの高さが一定の間隔となるように設定することで、得られる複数の輪郭線は等高線となる。このとき、どのような条件においても常に一定の基準によってプロファイルの高さを評価するために、画像のコントラスト／ブライトネスの自動調整等、プロファイルの形態に影響を及ぼす操作を行わないようにすることが望ましい。
　そして次に、例えば、スカムの下部輪郭データから、上部輪郭データまでの間に所定の本数以上の輪郭データが形成されている場合には（ステップ４５０９）、ある程度の高さをもった危険度の高いスカムであるとして判定し、検査対象とし（ステップ４５１０）、それ以外の場合には非検査対象とすることができる（ステップ４５１１）。
　次に、二次電子像（以下、ＳＥ像）と反射電子像（以下、ＢＳＥ像）とを利用してスカム検出を行う例について説明する。ＳＥ像を利用したスカム検出の場合、エッジ効果によってパターンのエッジにおいて検出される電子の数が多くなり、輝度が高くなるため、画像のコントラストがつかずにスカムを検出することが困難な場合がある。そこで、図３５に示したＢＳＥ像を用いてスカムを検出する手順の一例について説明する。
　まず、ＳＥ像とＢＳＥ像をそれぞれ取得する（ステップ３５０１、３５０２）。ここで、ＢＳＥ像の取得の際には、パターンに対して平行となる図３４中の矢印３４０１にて示す方向に反射される電子を検出する検出器を用いることが望ましい。ＢＳＥは、ＳＥよりも高いエネルギーを有した信号電子であるため、このように所望の位置に設定した検出器を用いた検出が可能となる。特に、上述の配線パターンの溝部に発生したスカムにおいては、パターンに対して垂直な方向に反射される電子よりも、平行な方向に反射される電子の検出量の方がスカムの程度をより反映したものであるため、このような方向に反射される反射電子を選択的に検出する。次に、両画像に対して上述の手法を用いて輪郭データを抽出する（ステップ３５０３、３５０４）。ここで、ＳＥ像については設計データとのマッチング処理によって位置合わせをし（ステップ３５０５）、側壁のエッジの探索を行って（ステップ３５０６）パターンの溝部を特定する（ステップ３５０７）。次に、ＳＥ像とＢＳＥ像とを重ね合わせ、焦点及びコントラスト等について調整を行って合成画像を取得する（ステップ３５０８）。次に、合成して得られた画像に対して検査領域を設定し（ステップ３５０９）、エッジ分岐パターンとのマッチングによって（ステップ３５１０）エッジ分岐点を抽出後（ステップ３５１１）、スカムを検出する（ステップ３５１２）。
　以上の手順によれば、ＳＥ像と、ＢＳＥ像との重ね合わせにより、ＳＥ像のみを用いた場合よりも正確にスカムを検出することが容易となる。さらに、両者の合成画像を適切に取得することによって、スカムの検出とパターンの寸法計測の両方を１枚の画像に基づいて効率良く行うことが可能になる。また、上記の手順において、ＢＳＥ像を取得する際には、電子線の走査方向を、パターンに対して平行となる方向に設定することにより、パターンのエッジに対して相対的にスカムに起因したＢＳＥを多く検出することもできる。
　この他に、ＢＳＥ像を用いてスカムの存在する領域を判定したのちに、当該領域についてＳＥ像を用いたスカム検出を行うこともできる。上述の通りＢＳＥ像はＳＥ像と比較して相対的にスカムを検出しやすいため、まずはＢＳＥ像による粗検出を行って領域判定することは有効である。
　上記記載は実施例についてなされたが、本発明はそれに限らず、本発明の精神と添付の請求の範囲の範囲内で種々の変更および修正をすることができることは当業者に明らかである。
　２０１　ＳＥＭ
　２０２　電子線
　２０３　試料
　２０４　二次電子検出器
　２０５　反射電子検出器１
　２０６　反射電子検出器２
　２０７　Ａ／Ｄ変換器
　２０８　メモリ
　２０９　ＣＰＵ
　２１０　画像処理ハードウェア
　２１１　表示装置
　２１２　レシピ作成装置
　３０１，３０２，３０３　回路パターン
　３０４，３０５　スカム
　３０６，３０７，３０８，３０９　エッジ分岐点
　４００　座標情報
　４０１，４０２　回路パターン
　５００　画像データの検査座標
　５０１　評価エリア
　５０３　擬似輪郭
　３１０１　パターン
　３１０２　パターンの表面の荒れ
　３２０１　設計データ
　３２０２　ＳＥＭ画像
　３２０３　スカム
　３４０１，３６０１，４３０１，４４０５　パターン
　３４０２　溝部
　３４０３　パターンに平行な方向を示す矢印
　３６０１　パターン
　３６０２　洗浄液
　４００１　パターン
　４００２，４００３，４００４　スカム
　４００５，４３０３　測長個所
　４００６　電子線の走査方向
　４００７，４００８　スカムの輝度プロファイル
　４１０１　スカムの輪郭線データ
　４１０２，４１０３，４１０４　電子線の走査方向及び形成されるプロファイル
　４３０２　スカム

Claims (35)

  1. 　画像から抽出された輪郭線データ上にて、特定形状のパターンを検出する検出部を備えた画像処理装置において、
    　当該検出部は、少なくとも３方向に分岐したエッジの分岐点を検出し、当該検出された分岐点を所定の条件に基づいて識別する識別部を備えたことを特徴とする画像処理装置。
  2. 　請求項１において、
    　前記識別部は、前記分岐点の座標データと共に、当該分岐点に関する情報を、記憶媒体に記憶させることを特徴とする画像処理装置。
  3. 　請求項１において、
    　前記識別部は、前記分岐点の数の情報を、記憶媒体に記憶させることを特徴とする画像処理装置。
  4. 　請求項１において、
    　テンプレートを用いて特定形状のパターンを探索するマッチング処理部を備え、当該マッチング処理部は、前記輪郭線データの内、所定の領域について、選択的に分岐点の検出を行うことを特徴とする画像処理装置。
  5. 　画像から抽出された輪郭線データ上にて、テンプレートを用いて特定形状のパターンを探索するマッチング処理部を備えた画像処理装置において、
    　当該マッチング処理部は、前記輪郭線データと、当該輪郭線の設計データとのマッチングに基づいて、輪郭線の各部位の識別を実行し、当該部位毎に識別された輪郭線データ上で、少なくとも３方向に分岐したエッジの分岐点を検出する検出部と、当該検出された分岐点が存在する輪郭線の各部位の識別情報と、当該分岐点に関する情報を関連付けて記憶媒体に記憶させる識別部を備えたことを特徴とする画像処理装置。
  6. 　請求項５において、
    　前記識別部は、前記分岐点の座標データと共に、当該分岐点に関する情報を、記憶媒体に記憶させることを特徴とする画像処理装置。
  7. 　請求項５において、
    　前記識別部は、前記分岐点の数の情報を、記憶媒体に記憶させることを特徴とする画像処理装置。
  8. 　請求項５において、
    　前記マッチング処理部は、前記輪郭線データの内、所定の領域について、選択的に分岐点の検出を行うことを特徴とする画像処理装置。
  9. 　画像から抽出された輪郭線データ上にて、特定形状のパターンの検出を、演算装置に実行させるコンピュータプログラムにおいて、
    　当該プログラムは、前記演算装置に、少なくとも３方向に分岐したエッジの分岐点を検出させ、当該検出された分岐点を所定の条件に基づいて識別させることを特徴とするコンピュータプログラム。
  10. 　請求項９において、
    　前記プログラムは、前記演算装置に、前記分岐点の座標データと共に、当該分岐点に関する情報を、記憶媒体に記憶させることを特徴とするコンピュータプログラム。
  11. 　請求項９において、
    　前記プログラムは、前記分岐点の数の情報を、前記演算装置に記憶させることを特徴とするコンピュータプログラム。
  12. 　請求項９において、
    　前記プログラムは、前記演算装置に、前記輪郭線データの内、所定の領域について、選択的に分岐点の検出を行わせることを特徴とするコンピュータプログラム。
  13. 　画像から抽出された輪郭線データ上にて、テンプレートを用いたパターンマッチングを、演算装置に実行させるコンピュータプログラムにおいて、
    　当該プログラムは、前記演算装置に、前記輪郭線データと、当該輪郭線の設計データとのマッチングに基づいて、輪郭線の各部位を識別させ、当該部位毎に識別された輪郭線データ上で、少なくとも３方向に分岐したエッジの分岐点を検出させ、当該検出された分岐点が存在する輪郭線の各部位の識別情報と、当該分岐点に関する情報を関連付けて記憶媒体に記憶させることを特徴とするコンピュータプログラム。
  14. 　請求項１３において、
    　前記プログラムは、前記演算装置に、前記分岐点の座標データと共に、当該分岐点に関する情報を、記憶媒体に記憶させることを特徴とするコンピュータプログラム。
  15. 　請求項１３において、
    　前記プログラムは、前記分岐点の数の情報を、前記演算装置に記憶させることを特徴とするコンピュータプログラム。
  16. 　請求項１３において、
    　前記プログラムは、前記演算装置に、前記輪郭線データの内、所定の領域について、選択的に分岐点の検出を行わせることを特徴とするコンピュータプログラム。
  17. 　画像からパターンの形状を検査する検査部を備えた画像処理装置において、当該検査部はパターン上部に相当するエッジとパターン下部に相当するエッジを画像に含まれるパターンの傾斜部に対応するピーク信号に基づき検出し、当該パターン上部に相当するエッジとパターン下部に相当するエッジの間隔値を検査データとすることを特徴とする画像処理装置。
  18. 　請求項１７において、前記検査部は、計測された少なくとも２点以上のエッジの間隔値の統計量を検査データとすることを特徴とする画像処理装置。
  19. 　請求項１８において、前記検査部の前記統計量は、間隔値の最大、または平均、または分散に基づく数値であることを特徴とする画像処理装置。
  20. 　請求項１８において、前記検査部は前記統計量に対して所定の閾値を用いた判定処理を行い、パターン形状の良品、不良品の判定をすることを特徴とする画像処理装置。
  21. 　画像からパターンの形状を検査する検査部を備えた画像処理装置において、当該検査部はパターンの傾斜部に対応するピーク信号に基づき、パターンのエッジを検出し、前記エッジによって形成される評価領域を画像に設定し、前記評価領域内の前記画像信号のばらつきに関する統計量を算出し、前記統計量を検査データとすることを特徴とする画像処理装置。
  22. 　画像からパターンの形状を検査する検査部を備えた画像処理装置において、当該検査部は設計データやシミュレーションデータと前記画像とのパターンマッチング結果に基づき、評価領域を画像に設定し、前記評価領域内の前記画像信号のばらつきに関する統計量を算出し、前記統計量を検査データとすることを特徴とする画像処理装置。
  23. 　請求項２１において、前記統計量は画像信号の分散に基づく数値であることを特徴とする画像処理装置。
  24. 　請求項２２において、前記統計量は画像信号の分散に基づく数値であることを特徴とする画像処理装置。
  25. 　請求項２１において、前記検査部は前記統計量に対して所定の閾値を用いた判定処理を行い、パターン形状の良品、不良品の判定をすることを特徴とする画像処理装置。
  26. 　請求項２２において、前記検査部は前記統計量に対して所定の閾値を用いた判定処理を行い、パターン形状の良品、不良品の判定をすることを特徴とする画像処理装置。
  27. 　画像から抽出された輪郭線データ上にて、特定形状のパターンを検出する検出部と、当該検出された特定形状のパターンを検査する検査部を備えた画像処理装置において、
    　前記検出部は、前記輪郭線データのうち、少なくとも３方向に分岐したエッジの分岐点を検出し、
    　前記検査部は、前記３方向に分岐したエッジのうち、半導体デバイスの回路を構成するパターンを形成するエッジを除いたエッジを含んだ領域を画像に設定し、
    　前記領域内の輝度に基づく信号波形を取得することを特徴とする画像処理装置。
  28. 　請求項２７において、
    　当該取得した信号波形に基づいて、
    　前記半導体デバイスの回路を構成するパターンを形成するエッジを除いたエッジの幅を測定することを特徴とする画像処理装置。
  29. 　請求項２７において、
    　前記検出部は、当該分岐点を複数検出し、
    　前記検査部は、当該検出された複数の分岐点のうち、少なくとも２つの分岐点間を結ぶエッジが存在する場合には、当該エッジを含んだ領域について、
    　当該画像の輝度に基づく信号波形を取得することを特徴とする画像処理装置。
  30. 　請求項２７において、
    　前記検査部は、
    　前記半導体デバイスの回路を構成するパターンを形成するエッジを除いたエッジの方向に対して垂直となる方向について、
    　前記領域内の当該画像の輝度に基づく信号波形を取得することを特徴とする画像処理装置。
  31. 　請求項２７において、
    　前記半導体デバイスの回路を構成するパターンを形成するエッジを除いたエッジに交差するように荷電粒子線を走査して、当該領域の画像を取得し、当該取得した画像の信号波形を取得することを特徴とする画像処理装置。
  32. 　請求項２７において、
    　前記検査部は、当該領域について、前記半導体デバイスの回路を構成するパターンを形成するエッジを除いたエッジの長手方向に対して垂直に荷電粒子線を走査して、当該領域の画像を取得し、当該取得した画像の信号波形を取得することを特徴とする画像処理装置。
  33. 　請求項２７において、
    　前記検査部は、当該領域について、前記半導体デバイスの回路を構成するパターンを形成するエッジを除いたエッジの長手方向に対して常に垂直に荷電粒子線を走査して、当該領域の画像を取得し、当該取得した画像の信号波形を取得することを特徴とする画像処理装置。
  34. 　画像から抽出された輪郭線データ上にて、特定形状のパターンを検出する検出部と、当該検出された特定形状のパターンを検査する検査部を備えた画像処理装置において、
    　前記検出部は、少なくとも３方向に分岐したエッジの分岐点を検出し、
    　前記検査部は、前記３方向に分岐したエッジのうち、半導体デバイスの回路を構成するパターンを形成するエッジを除いたエッジを含んだ領域を画像に設定し、前記領域内の前記画像信号に基づくラインプロファイルを作成し、
    　当該作成されたラインプロファイルに基づいて、前記半導体デバイスの回路を構成するパターンを形成するエッジを除いたエッジの幅を測定することを特徴とする画像処理装置。
  35. 　請求項３４において、
    　前記検査部は、
    　前記半導体デバイスの回路を構成するパターンを形成するエッジを除いたエッジの方向に対して垂直となる方向について、前記領域内の前記画像信号に基づくラインプロファイルを作成することを特徴とする画像処理装置。
PCT/JP2011/074662 2010-10-27 2011-10-26 画像処理装置およびコンピュータプログラム WO2012057198A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020137010641A KR101549314B1 (ko) 2010-10-27 2011-10-26 화상 처리 장치 및 기록 매체
JP2012540902A JP5548780B2 (ja) 2010-10-27 2011-10-26 画像処理装置およびコンピュータプログラム
US13/882,141 US9183622B2 (en) 2010-10-27 2011-10-26 Image processing apparatus

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2010-240254 2010-10-27
JP2010240254 2010-10-27

Publications (1)

Publication Number Publication Date
WO2012057198A1 true WO2012057198A1 (ja) 2012-05-03

Family

ID=45993904

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2011/074662 WO2012057198A1 (ja) 2010-10-27 2011-10-26 画像処理装置およびコンピュータプログラム

Country Status (5)

Country Link
US (1) US9183622B2 (ja)
JP (3) JP5548780B2 (ja)
KR (1) KR101549314B1 (ja)
TW (1) TWI475187B (ja)
WO (1) WO2012057198A1 (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015141130A (ja) * 2014-01-29 2015-08-03 株式会社日立ハイテクノロジーズ パターン形状検査装置及びパターン形状検査方法
WO2016152582A1 (ja) * 2015-03-20 2016-09-29 株式会社日立ハイテクノロジーズ 電子線式パターン検査装置
WO2017042932A1 (ja) * 2015-09-10 2017-03-16 株式会社日立ハイテクノロジーズ 検査装置
CN113076907A (zh) * 2021-04-16 2021-07-06 青岛海尔电冰箱有限公司 冰箱内物品信息标识方法、冰箱和计算机存储介质
CN118175237A (zh) * 2024-04-01 2024-06-11 中创智元信息技术有限公司 基于实景三维的空间轮廓构建方法

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201430336A (zh) * 2013-01-23 2014-08-01 Huang Tian Xing 缺陷檢測方法、裝置及系統
JP2016058465A (ja) * 2014-09-08 2016-04-21 株式会社日立ハイテクノロジーズ 欠陥定量化方法、欠陥定量化装置、および欠陥評価値表示装置
JP6867122B2 (ja) * 2016-08-10 2021-04-28 株式会社Ｓｃｒｅｅｎホールディングス パターン倒壊状況画像およびその生成方法
US10706522B2 (en) * 2016-11-08 2020-07-07 Kla-Tencor Corporation System and method for generation of wafer inspection critical areas
JP7322549B2 (ja) * 2019-06-28 2023-08-08 セイコーエプソン株式会社 画像処理方法および画像処理装置
CN111027118B (zh) * 2019-11-19 2024-01-19 广东博智林机器人有限公司 一种实测实量任务点搜索与任务派发方法及系统
JP2022165649A (ja) 2021-04-20 2022-11-01 株式会社日立ハイテク 欠陥検査装置、及び欠陥検査方法
DE102021113764A1 (de) * 2021-05-27 2022-12-01 Carl Zeiss Smt Gmbh Verfahren und Vorrichtung zur Analyse eines Bildes einer mikrostrukturierten Komponente für die Mikrolithographie
CN114022569B (zh) * 2021-11-18 2024-06-07 湖北中烟工业有限责任公司 一种基于视觉测量箱体方正度的方法及装置
US20230267574A1 (en) * 2022-02-23 2023-08-24 Applied Materials Israel Ltd. Reducing backscattered electron induced errors

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62184579A (ja) * 1986-02-10 1987-08-12 Toshiba Corp パターン検出方法
JPS63223977A (ja) * 1987-03-13 1988-09-19 Mazda Motor Corp 画像処理方法
JPH01106180A (ja) * 1987-10-19 1989-04-24 Nec Corp パターン検査装置
JPH03252546A (ja) * 1990-03-02 1991-11-11 Matsushita Electric Ind Co Ltd 配線パターン検査装置
JPH11339046A (ja) * 1998-05-27 1999-12-10 Nec Ibaraki Ltd 自動外観検査装置と方法
JP2008047664A (ja) * 2006-08-14 2008-02-28 Hitachi High-Technologies Corp パターン検査装置及び半導体検査システム
JP2010129599A (ja) * 2008-11-25 2010-06-10 Toshiba Corp パターン形状の評価方法及びこれを利用したパターン形状の評価装置

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0617875B2 (ja) * 1986-11-14 1994-03-09 株式会社日立製作所 パターン検査方法およびその装置
JP3317030B2 (ja) * 1994-06-27 2002-08-19 ヤマハ株式会社 寸法測定装置
JPH09295250A (ja) 1996-04-30 1997-11-18 Komatsu Ltd 工作機械の工具異常検出方法
JP3031613B2 (ja) * 1996-11-12 2000-04-10 株式会社つくばソフト研究所 カラー／濃淡画像入力出力装置と入力出力方法
JP4209525B2 (ja) 1998-12-17 2009-01-14 三菱電機株式会社 パンタグラフすり板の厚み測定方法
US6326618B1 (en) * 1999-07-02 2001-12-04 Agere Systems Guardian Corp. Method of analyzing semiconductor surface with patterned feature using line width metrology
US6868175B1 (en) * 1999-08-26 2005-03-15 Nanogeometry Research Pattern inspection apparatus, pattern inspection method, and recording medium
JP2002195955A (ja) * 2000-12-25 2002-07-10 Matsushita Electric Ind Co Ltd 半導体欠陥検査方法及び半導体欠陥検査装置
JP3870044B2 (ja) 2001-07-25 2007-01-17 株式会社日立製作所 パターン検査方法及びパターン検査装置
US7220990B2 (en) * 2003-08-25 2007-05-22 Tau-Metrix, Inc. Technique for evaluating a fabrication of a die and wafer
JP2005242071A (ja) * 2004-02-27 2005-09-08 Fuji Photo Film Co Ltd 平版印刷版の処理方法及び平版印刷版の処理装置
JP4599110B2 (ja) * 2004-07-30 2010-12-15 キヤノン株式会社 画像処理装置及びその方法、撮像装置、プログラム
JP4792331B2 (ja) 2006-05-31 2011-10-12 株式会社日立ハイテクインスツルメンツ 電子部品装着装置
DE102006044595B4 (de) * 2006-09-19 2011-06-22 Baumer Optronic GmbH, 01454 Bildverarbeitungsvorrichtung zur Segmentierung anhand von Konturpunkten
JP2009222454A (ja) 2008-03-14 2009-10-01 Hitachi High-Technologies Corp パターン測定方法及びパターン測定装置
JP2009244058A (ja) * 2008-03-31 2009-10-22 Nireco Corp 品質検査装置及び品質検査方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62184579A (ja) * 1986-02-10 1987-08-12 Toshiba Corp パターン検出方法
JPS63223977A (ja) * 1987-03-13 1988-09-19 Mazda Motor Corp 画像処理方法
JPH01106180A (ja) * 1987-10-19 1989-04-24 Nec Corp パターン検査装置
JPH03252546A (ja) * 1990-03-02 1991-11-11 Matsushita Electric Ind Co Ltd 配線パターン検査装置
JPH11339046A (ja) * 1998-05-27 1999-12-10 Nec Ibaraki Ltd 自動外観検査装置と方法
JP2008047664A (ja) * 2006-08-14 2008-02-28 Hitachi High-Technologies Corp パターン検査装置及び半導体検査システム
JP2010129599A (ja) * 2008-11-25 2010-06-10 Toshiba Corp パターン形状の評価方法及びこれを利用したパターン形状の評価装置

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015141130A (ja) * 2014-01-29 2015-08-03 株式会社日立ハイテクノロジーズ パターン形状検査装置及びパターン形状検査方法
WO2016152582A1 (ja) * 2015-03-20 2016-09-29 株式会社日立ハイテクノロジーズ 電子線式パターン検査装置
JPWO2016152582A1 (ja) * 2015-03-20 2017-05-25 株式会社日立ハイテクノロジーズ 電子線式パターン検査装置
WO2017042932A1 (ja) * 2015-09-10 2017-03-16 株式会社日立ハイテクノロジーズ 検査装置
JPWO2017042932A1 (ja) * 2015-09-10 2018-06-14 株式会社日立ハイテクノロジーズ 検査装置
CN113076907A (zh) * 2021-04-16 2021-07-06 青岛海尔电冰箱有限公司 冰箱内物品信息标识方法、冰箱和计算机存储介质
CN118175237A (zh) * 2024-04-01 2024-06-11 中创智元信息技术有限公司 基于实景三维的空间轮廓构建方法

Also Published As

Publication number Publication date
KR101549314B1 (ko) 2015-09-01
TW201237363A (en) 2012-09-16
JPWO2012057198A1 (ja) 2014-05-12
KR20130065717A (ko) 2013-06-19
JP2016028252A (ja) 2016-02-25
JP2014077798A (ja) 2014-05-01
TWI475187B (zh) 2015-03-01
US20130279793A1 (en) 2013-10-24
JP5548780B2 (ja) 2014-07-16
JP6134366B2 (ja) 2017-05-24
US9183622B2 (en) 2015-11-10

Similar Documents

Publication Publication Date Title
JP6134366B2 (ja) 画像処理装置およびコンピュータプログラム
US10445875B2 (en) Pattern-measuring apparatus and semiconductor-measuring system
TWI512684B (zh) Defect observation method and defect observation device
US10297021B2 (en) Defect quantification method, defect quantification device, and defect evaluation value display device
US9311697B2 (en) Inspection method and device therefor
KR101588367B1 (ko) 하전 입자선 장치
JP5543872B2 (ja) パターン検査方法およびパターン検査装置
US20120099781A1 (en) Method and apparatus of pattern inspection and semiconductor inspection system using the same
JP6759034B2 (ja) パターン評価装置及びコンピュータープログラム
JP5988615B2 (ja) 半導体評価装置、及びコンピュータープログラム
WO2013140907A1 (ja) パターン計測装置、及び半導体計測システム
US20170372464A1 (en) Pattern inspection method and pattern inspection apparatus
KR101615843B1 (ko) 반도체 계측 장치 및 기록 매체
US8045807B2 (en) Pattern edge detecting method and pattern evaluating method
US20230194253A1 (en) Pattern Inspection/Measurement Device, and Pattern Inspection/Measurement Program

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 11836331

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2012540902

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 20137010641

Country of ref document: KR

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 13882141

Country of ref document: US

122 Ep: pct application non-entry in european phase

Ref document number: 11836331

Country of ref document: EP

Kind code of ref document: A1