[发明专利]有图形晶圆的图像优化方法、复检方法和复检设备

说明书

本发明提供了一种有图形晶圆的图像优化方法、复检方法和复检设备，图像优化方法包括：当创建设备工作菜单时，将晶圆的晶粒上包括不同材料的区域选为代表性区域，在代表性区域上选取一个候选最大灰度位置和候选最小灰度位置作为图像优化位置，设置灰度目标参数、最大迭代次数、初始增益量和初始平移量；当执行菜单时，根据复检设备中的扫描电镜装置获得其同类晶圆的图像优化位置的实际图像及其实际灰度分布，建立包括至少两个灰度误差项的评价函数；计算评价函数的值，在其达到极小值或达到最大迭代次数时结束迭代，将结束后的增益量和平移量保存为最优增益量和最优平移量。本发明可降低选取图像优化位置的随机性，降低缺陷漏检率和缺陷误判率。

技术领域

本发明涉及有图形晶圆的复检领域，尤其涉及一种有图形晶圆的图像优化方法、复检方法和复检设备。

背景技术

为检测有图形晶圆的缺陷，一般先使用光学缺陷检测设备或电子束缺陷检测(E-Beam Inspection，简称为EBI)设备对晶圆进行初检，再使用分辨率更高的电子束复检(E-Beam Review，简称为EBR)设备对待复检的晶圆进行复检。其中，复检设备包括用于获得晶粒(Die)上区域的扫描电镜图像的扫描电镜装置。

如图1a所示，如果该扫描电镜图像的实际灰度跨度(C＝H-L，C为实际灰度跨度，H为实际最大灰度，L为实际最小灰度)过小，则扫描电镜图像的对比度低，不利于检测出与周边区域相比灰度变化较小的缺陷，导致缺陷漏检率和缺陷误判率较高；如图1b和图1c所示，如果该扫描电镜图像的实际灰度跨度过大，会造成实际最小灰度L或实际最大灰度H因为超出复检设备支持的灰度范围而被截断，产生灰度饱和，丢失晶粒上的部分信息(对应于因灰度饱和而被截断掉的灰度值)，导致缺陷漏检率较高；此外，因为工艺稳定性的影响以及扫描电镜装置成像机制本身的原因，即使是同类晶圆，也会有一定的物理差异，导致从同类晶圆中的某一相同位置获得的扫描电镜图像具有差异。

因此，在使用复检算法对扫描电镜图像进行复检前，有必要使用图像优化方法对扫描电镜图像进行图像优化，以降低缺陷漏检率和缺陷误判率，且确保扫描电镜图像的实际灰度跨度尽量接近设置的目标灰度跨度，使得扫描电镜图像具有高对比度，例如，优化后扫描电镜图像的实际灰度跨度如图1d所示。

在现有技术中，提供了一种E＝(C-Co)²的评价函数，C为实际灰度跨度，Co为目标灰度跨度，其图像优化方法包括：

步骤一、当创建(设备工作)菜单(Recipe)时，在晶圆上人工随机选取图像优化位置，设置灰度目标参数，灰度目标参数仅为目标灰度跨度，建立评价函数，例如，评价函数E＝(C-Co)²,建立增益量和平移量(扫描电镜装置中的放大电路具有两个工作参数：增益量和平移量)的迭代公式，设置最大迭代次数、初始增益量和初始平移量；

步骤二、当执行菜单时，将该图像优化位置作为该晶圆的同类晶圆的图像优化位置，使用扫描电镜装置获得同类晶圆的图像优化位置的实际图像及其实际灰度分布(根据实际灰度分布可以获得实际灰度跨度C)，通过初始增益量、初始平移量和迭代公式计算评价函数的值，在评价函数达到极小值时或达到最大迭代次数时结束迭代，将结束迭代后的增益量和平移量保存为最优增益量和最优平移量。

该图像优化方法至少具有以下问题：

(1)人工随机选取图像优化位置，随机性大，不能有效地代表实际灰度跨度C，使得最优增益量和最优平移量欠缺代表性，若将欠缺代表性的最优增益量和最优平移量应用在缺陷位置，并使用复检算法对缺陷位置进行复检，则容易造成缺陷漏检率较高，且可能造成缺陷误判率较高，具体地，可能造成缺陷位置的扫描电镜图像的实际灰度跨度C因过小而导致缺陷漏检和缺陷误判，或可能造成缺陷位置的实际灰度跨度C因过大而产生灰度饱和，进而导致缺陷漏检；