DE4410603C1

DE4410603C1 - Verfahren zur Erkennung von Fehlern bei der Inspektion von strukturierten Oberflächen

Info

Publication number: DE4410603C1
Application number: DE4410603A
Authority: DE
Inventors: Joachim Wienecke; Karl-Heinz Franke; Michael Graef; Heiko Kempe; Dietmar Kollhoff
Original assignee: Jenoptik Jena GmbH; Jenoptik Technologie GmbH
Current assignee: Leica Microsystems CMS GmbH
Priority date: 1994-03-26
Filing date: 1994-03-26
Publication date: 1995-06-14
Anticipated expiration: 2014-03-27
Also published as: TW272261B; FR2717925A1; GB2286670A; JPH07311028A; IT1279109B1; GB2286670B; JP2742240B2; ITTO950097A1; US6075880A; GB9506207D0; ITTO950097A0; KR950033944A

Description

Die Erfindung betrifft ein Verfahren zur Erkennung von Fehlern bei der Inspektion von strukturierten Oberflächen, insbesondere von Masken, LCD′s, Leiterplatten und Halbleiterscheiben, anhand spezifischer Bildpunktmerkmale der Strukturen und Fehler eines von der Oberfläche aufgenommenen Bildes, bei dem an einem durch Bildpunktklassifikation erzeugten Zwischenbild, in dem Gebiete des Bildes mit ähnlichen Bildpunktmerkmalen zusammengefaßt sind, durch Strukturklassifikation eine Umgebungsbewertung der Bildpunkte erfolgt.

Der Einsatz erfolgt vorwiegend in der statistischen Prozeßkontrolle im Herstellungs prozeß.

Zur maschinellen Inspektion von mit Strukturen versehenen Oberflächen existieren eine ganze Reihe von Verfahren.

Grundsätzlich lassen sich diese Verfahren unterscheiden in:

Streulicht- bzw. Laserscan-Verfahren,
holographische Verfahren und
Verfahren der digitalen Bildverarbeitung.

Bei der digitalen Bildverarbeitung gibt es zwei grundsätzliche Herangehensweisen bei der Lösung einer Inspektionsaufgabe.

Eine erste Variante beruht auf einem Soll-Ist-Vergleich, wobei hier wiederum drei Methoden unterschieden werden:

1. Bild-Bild-Vergleich: Das Sollbild wird durch einen Musterprüfling geliefert.
2. Bild-Daten-Vergleich: Das Sollbild wird durch ein aus dem CAD- Datensatz synthetisiertes Bild geliefert.
3. Daten-Daten-Vergleich: Der Soll-Ist-Vergleich erfolgt auf der Basis der CAD-Daten.

Die Wirkprinzipien der beiden ersten Methoden erfordern je nach Verfahrensweise ein extrem genaues Positionieren des Objektträgers, zwei absolut identische optoelektronische Bildkanäle bzw. eine extrem exakte Synthese von Musterbildern unter Berücksichtigung aller physikalischen und technischen Eigenschaften ein schließlich ihrer Toleranzen, angefangen von der Beleuchtung über das Objekt, die optische Abbildung, die Signalwandlung im Sensor, den Analogkanal bis hin zum virtuellen Bild.

Im Fall 3 wird die vollständige Analyse des realen Bildes erforderlich, d. h. bei einer Echtzeitbildverarbeitung muß die störsichere Segmentierung des Bildes, die Kanten detektion, die Approximation von Strukturelementen und die Beschreibung der Szene ebenfalls in Echtzeit beherrscht werden.

Alle o. g. Lösungen auf Basis des Soll-Ist-Vergleiches sind wegen der extrem hohen technischen Anforderungen an die Optik, die Präzisionsmechanik, die Zustandserfas sung sowie an die Elektronik (Sollbildgenerator) sehr kostenintensiv.

Prinzipbedingt sind sie nur für binäre Strukturen (Masken, LCD′s), für untere Strukturierungsebenen von Prozeßwafern und für den Vergleich einfacher Wieder holstrukturen untereinander einsetzbar.

In den höheren technologischen Schichten der Wafer ändern sich die Eigenschaften der Schichten und Strukturkanten durch die technologische Bearbeitung, durch Überlagerungen und Überdeckungen derart, daß die Unsicherheiten in diesem Be reich beim Soll-Ist-Vergleich nicht mehr beherrschbar sind.

Das macht sich besonders bemerkbar bei Schichtdickenänderung in den einzelnen Schichten (sie führen zu Grauwert- oder Farbänderungen) und bei Überdeckungs toleranzen. Alle diese technologischen Besonderheiten erschweren einen Soll-Ist- Vergleich bzw. machen ihn unmöglich. Daneben bilden sich Polisilizium und Metalli sierungsschichten als texturierte Regionen mit statistischen Modellparametern ab, so daß sie den Vergleichsverfahren ebenfalls unzugänglich sind.

Beispiele für derartige Lösungen sind in den nachfolgend genannten Patenten beschrieben.

Bei einem Verfahren des Bild-Bild-Vergleiches nach DE 25 08 992 wird eine Ist- Struktur mit einer zweiten Ist-Struktur mittels gesplitteter optischer Strahlengänge verglichen.

Die beiden Bilder können auch in Form eines Videobildes zur Deckung gebracht werden, wobei dann das zusammengesetzte Bild ausgewertet wird.

Bei diesem Verfahren werden Strukturfehler aus einer fehlenden Deckung der beiden zusammengesetzten Bilder ermittelt.

Bei einem anderen Verfahren nach DE 27 00 252 wird die zu überprüfende Struktur mit Hilfe eines Prüfstrahles rasterförmig abgetastet und in Bildpunkte zerlegt. Das so digitalisierte Gesamtbild wird auf eine Datenverarbeitungsanlage gegeben, in der die abgetastete Struktur mit in einem Speicher enthaltenen Sollbild, Sollstruktur oder Strukturregeln verglichen wird.

In EP 0426182 ist ein kombiniertes Verfahren beschrieben, das einerseits den allge mein bekannten Bild-Bild-Vergleich zweier benachbarter Kontrollobjekte und ande rerseits den Bild-Bild-Vergleich auf einem Kontrollobjekt beschreibt. Bei diesem Verfahren nutzt man die Tatsache, daß sich bei bestimmten Klassen hochintegrierter Schaltkreise (Speicher, CCD-Matrizen und anderen Multielementesensoren) die Strukturelemente vielfach auf einem Chip wiederholen.

Weitere Beispiele für einen Soll-Ist-Vergleich sind in den nachfolgend genannten Schutzrechten beschrieben:
DE 33 36 470, DE 36 12 268 , DE 37 14 011, DE 41 36 830.

Die zweite Variante nutzt die technologischen Besonderheiten aus, indem sie von einer Erkennung der Fehler anhand ihrer spezifischen Merkmale ausgeht, die aus Störungen und Abweichungen in den Parametern der technologischen Prozesse, aus Materialdefekten, schlechter Qualität der Hilfsstoffe, Verunreinigungen und Unre gelmäßigkeiten der Kristallstruktur hervorgehen.

Diese direkte Fehlerdetektion kommt im Gegensatz zum Soll-Ist-Vergleich weitge hend ohne umfangreiche Information zur Sollstruktur aus, da sie von bestimmten Grundregeln bzw. Regelabweichungen bei der Bilderkennung ausgeht.

Solche Regeln bzw. Regelabweichungen sind im wesentlichen durch Farb- und Formmerkmale der Sollstruktur oder der Sollschicht bzw. des Fehlers gegeben.

Eines dieser Verfahren, das in dem DE-Patent 34 27 981 beschrieben ist, geht davon aus, daß auf jedem strukturierten Kontrollobjekt ein Mindeststrukturabstand definiert werden kann und daß eine Vielzahl der auf dem Kontrollobjekt vorhandenen Defekte Maße aufweisen, die durch die vorgegebenen Abmessungen der Struktur unter- bzw. überschritten werden.

Bei einer automatischen Kontrolle gemäß dem Patent kann daher ein Maßfenster benutzt werden, bei dem eine geometrische Struktur unterhalb oder oberhalb der gegebenen Strukturmaße vermessen wird.

Durch diese Maßfenster werden dann nur solche Strukturelemente erkannt, die innerhalb des vorgegebenen Maßfensters liegen und nicht mit den definierten Struk turmaßen übereinstimmen.

Von Nachteil ist es, daß bei höheren Strukturierungsebenen eines Wafers durch die technologischen Besonderheiten, insbesondere durch die Überlagerung von verschie denen Strukturkomponenten, kein Mindestabstand mehr definierbar und das Verfahren deshalb nur für binäre Strukturen sinnvoll ist.

Nach DE 41 33 590 A1 ist es bekannt, bei einem Verfahren zur Klassifikation von Signalen, welche jeweils einen von mehreren möglichen Amplitudenwerten der Signale darstellen, in einem Kanal oder mehreren Kanälen

- Proben aus jeweils mehreren Abtastwerten zu bilden
- aus jeder Probe mindestens ein Merkmal zu extrahieren und
- das Merkmal bzw. die Merkmale jeder Probe als Adressen zu verwenden, um aus einer Tabelle gespeicherte Auftrittswahrscheinlichkeiten auszulesen.

Zur weiteren Auswertung wird aus den Auftrittswahrscheinlichkeiten aller Proben eine Entscheidungsgröße berechnet und mit einem Schwellwert verglichen.

Es ist von Nachteil, daß dieses Verfahren nicht zum Erkennen von Fehlern auf Waferstrukturen geeignet ist, wo die minimalen Strukturbreiten und die kleinsten zu detektierenden Defekte in der Größenordnung der Schichtdicken und diese wiederum in der Größenordnung der Wellenlänge des als Informationsträgers verwendeten Lichtes liegen.

Aufgabe der Erfindung ist es, eine Fehlererkennung in Echtzeitbetrieb unabhängig von der Anzahl der Strukturierungsebenen für einen Fehlerumfang zu gewährleisten, in dem auch solche Fehler eingeschlossen sind, die in ihren Abmessungen in der Größenordnung von Kantenübergängen zwischen den Strukturen liegen.

Erfindungsgemäß wird die Aufgabe durch ein Verfahren zur Erkennung von Fehlern bei der Inspektion von strukturierten Oberflächen, insbesondere von Masken, LCD′s, Leiterplatten und Halbleiterscheiben, anhand spezifischer Bildpunktmerkmale der Strukturen und Fehler eines von der Oberfläche aufgenommenen Bildes, bei dem an einem durch Bildpunktklassifikation erzeugten Zwischenbild, in dem Gebiete des Bildes mit ähnlichen Bildpunkt merkmalen zusammengefaßt sind, durch Strukturklassifikation eine Umgebungsbewertung der Bildpunkte erfolgt, dadurch gelöst, daß das Zwischenbild die Bildpunktmerkmale als in Grauwerte umgewandelte Zugehö rigkeitswahrscheinlichkeiten zu Gebieten, die durch Anlernen bekannt gemacht sind, enthält, einschließlich der Grauwertstufungen von Übergängen zwischen aneinander angrenzender Gebiete.

Mit der Erzeugung des grauwertigen Zwischenbildes, in dem Kanten- und Ecken strukturen noch enthalten sind, werden in einer Vorsegmentierung Fehler weitgehend von Gutstrukturen ohne Einführung von Schwellen getrennt, indem die Bildpunktklassifikation als unscharfe, sogenannte fuzzifizierte Klassifikation ausgeführt wird, in deren Ergebnis noch kein Binärbild mit scharfen Trenneigenschaften vorliegt.

Zur Erzeugung des Zwischenbildes werden Verteilungen von Bildpunktmerkmalen ausgewählter, mindestens der Anzahl merkmalsverschiedener fehlerfreier Oberflächenabschnitte entsprechender Stichproben in einem durch die Anzahl der Bildpunktmerkmale aufgespannten ersten Merkmalsraum durch Wahrscheinlichkeiten beschrieben, die, in Grauwerte transformiert, Inhalt eines adressierbaren Speichers zur Umbewertung jedes Bildpunktmerkmals des aufgenommenen Bildes in einen Grauwert sind, wobei die Verteilungen aller Stichproben eine Gesamtverteilung bilden.

Bewertungsergebnisse einer nach mindestens zwei, zueinander unkorrelierten Eigenschaften durchgeführten Umgebungsbewertung für jeden Bildpunkt des Zwischenbildes werden in einem zweiten adressierbaren Speicher binär in fehlerfreie Bereiche und in Fehlerbereiche getrennt abgelegt, wobei die Dimension des Speichers durch einen durch die Anzahl der bewerteten Eigenschaften aufgespannten zweiten Merkmalsraum bestimmt ist und die Ablage in dem Speicher der Verteilung der Eigenschaften eines jeden Bildpunktes in dem Merkmalsraum entspricht.

Für eine Entnahme von Stichproben sind sowohl das aufgenommene Bild als auch bereits abgespeicherte Bildinhalte geeignet.

Zur Erzeugung des Zwischenbildes können neben den Stichproben von fehler freien Oberflächenabschnitten zusätzlich Stichproben von Oberflächenabschnitten mit Fehlern dienen.

Durch die Bildfilterung des grauwertigen Zwischenbildes und die danach ausgeführte scharfe Trennung von Fehler- und Gutgebieten, werden sowohl kleine als auch großflächige Fehler detektiert.

Die Umgebungsbewertung erfolgt mit mindestens zwei, in ihrem Kern variierbaren und unkorrelierte Eigenschaften besitzenden Filtern durch Rauschunterdrückung und Hervorhebung in sich geschlossener, innerhalb der bewerteten Umgebung liegender Gebiete.

Vorteilhaft ist der Einsatz eines Paares von Filtern, von denen der eine ein Tiefpaßfilter, insbesondere ein Gaußfilter und der andere ein Bandpaßfilter, insbesondere ein Spotfilter, dessen Kern die zweite Ableitung einer zweidimensionalen Gaußfunktion darstellt, ist.

Die adressierbaren Speicher sind vorteilhafterweise Look-Up-Tabellen. Als Bildpunktmerkmale können sowohl Farbmerkmale der Bildpunkte, eingeschlossen Grauwerte als auch jedem Bildpunkt durch seine Umgebung zugeordnete Texturmerkmale dienen.

Geeignet sind aber auch andere mehrkanalige Informationen der zu untersuchenden Bildpunkte.

Vorteilhaft ist es außerdem, wenn von verschiedenen Inspektionsgebieten zunächst aus einem ersten Inspektionsgebiet ein der Größe des aufgenommenen Bildes entsprechender Bildausschnitt zur Bestimmung der Inhalte des ersten und des zweiten Speichers ausgewählt wird, in dem erkannte Fehler erneut als Stichproben dienen und die Anwendbarkeit der Ergebnisse an mindestens einem Bildausschnitt in mindestens einem der anderen Inspektionsgebiete überprüft wird.

Speicherinhalte des ersten und zweiten Speichers, die charakteristische Bildprimitive repräsentieren, können Inhalte einer Datenbank werden.

Das gilt auch für Informationen über Prüfstrukturen und Bilddaten von Gut- und Fehlergebieten.

Auf die Inhalte der Datenbank ist im Bedarfsfall zurückzugreifen, insbesondere wenn die Anwendbarkeit von Klassifikatoren überprüft oder Korrekturen an Klassifikatoren vorgenommen werden sollen.

Ein Ausführungsbeispiel der Erfindung soll nachstehend anhand der schematischen Zeichnung näher erläutert werden. Es zeigen:

Fig. 1 ein Bild einer strukturierten Oberfläche,

Fig. 2 die Grauwertverteilung des Bildes nach Fig. 1,

Fig. 3 Histogramme ausgewählter Stichproben,

Fig. 4 eine Wahrscheinlichkeitsverteilung der Grauwerte für ausgewählte Stichproben aus der strukturierten Oberfläche,

Fig. 5 die Grauwertverteilung eines aus dem Bild nach Fig. 1 erzeugten Zwischenbildes,

Fig. 6 die Belegung einer Look-Up-Tabelle mit den neuen Grauwerten,

Fig. 7 das erzeugte grauwertige Zwischenbild,

Fig. 8 eine Bewertungsmethode zur Bestimmung des Verhaltens der Bildpunktmerkmale eines Bildpunktes zu denen benachbarter Bildpunkte zur Beseitigung von Kanten- und Eckenübergängen und Hervorhebung von Mikrodefekten,

Fig. 9 das Ergebnis der Bewertungsmethode nach Fig. 8,

Fig. 10 ein Fehlerbild als Ergebnis des erfindungsgemäßen Verfahrens,

Fig. 11 eine Schaltungsanordnung zur Realisierung des erfindungsgemäßen Verfahrens,

Fig. 12 ein Modell für eine erweiterte Methode zur Ermittlung der Inhalte des ersten und des zweiten Speichers.

Der in Fig. 1 dargestellte Bildausschnitt aus der zu inspizierenden Oberfläche einer Halbleiterscheibe enthält sowohl Gutgebiete in Form definierter Strukturen A und B als auch einen erkennbaren eingeschlossenen Fehler C.

Das Ausführungsbeispiel bezieht sich aus Gründen der einfacheren Darstellungsweise auf einen Bildausschnitt, der lediglich grauwertige Informationen enthält, da Farb- oder Texturbilder bei der Auswertung zu höherdimensionalen Räumen führen.

Die Grauwertverteilung des Bildausschnittes in Fig. 2 enthält bei mittleren Grauwer ten g_a, g_b und g_c Grauwertmaxima n_a, n_b und n_c.

In dem erfindungsgemäßen Verfahren, in dem Bewertungskriterien für die eigentli che Inspektion zu ermittelt sind, werden von den Strukturen A und B geeignete, mit 1 und 2 bezeichnete Stichproben entnommen.

Bildpunktmerkmale sind Grauwerte, deren Verteilungen in einem ersten eindimen sionalen Merkmalsraum dargestellt sind und die eine Betrachtung als Gaußverteilungen rechtfertigen. Relative, den Strukturen A und B zugeordnete Grauwertmaxima n_a und n_b entstehen bei mittleren Grauwerten g_a und g_b.

Für die Zugehörigkeit eines Bildpunktes zu einer Klasse von Gutgebieten oder zu Fehlergebieten wird jedem Bildpunkt aus dem Bildausschnitt eine Wahrscheinlichkeit zugeordnet, die der geschätzten Wahrscheinlichkeitsdichte der Verteilung der Stichproben im Merkmalsraum proportional ist und im Zentrum der Verteilung den Wert 1 annimmt.

Als Maß für die Zugehörigkeit zur Grauwertverteilung der Struktur A ergibt sich eine Wahrscheinlichkeit P_a(g), die bestimmt ist mit

Dabei sind g_a als Mittelwert und s_a als Varianz durch die Grauwertverteilung der Stichprobe aus der Struktur A geschätzt.

Analog gilt für die Wahrscheinlichkeit P_b(g):

und für die Wahrscheinlichkeit P(g) zu irgendeinem der Gutgebiete zu gehören

P(g) = 1 - [1-P_a(g)] _* [1-P_b(g)].

Dadurch wird erreicht, daß Bildpunkte mit einem Grauwert, der entweder dem Mit telwert der Verteilung der Struktur A oder der Verteilung der Struktur B entspricht, die Wahrscheinlichkeit 1 zugeordnet bekommen.

Nach dieser Methode erhalten alle Bildpunkte, deren Eigenschaften irgendeinem der Gutgebiete sehr ähnlich sind, hohe Wahrscheinlichkeitswerte. Die sich ergebende Wahrscheinlichkeitsverteilung ist in Fig. 4 dargestellt.

Faßt man die Funktion P(g) als Vorschrift zur Umbewertung der Grauwerte des Bildausschnitts in neue Grauwerte auf, erhalten Bildpunkte, deren Grauwerte denen der Stichproben A und B nahe kommen, gemäß dem erfindungsgemäßen Verfahren hohe Grauwerte, die sich mit zunehmendem Wahrscheinlichkeitsabstand verringern, so daß Bildpunkten aus dem Fehler C, ohne diesen selbst durch eine Stichprobe anzulernen zu müssen, niedrige Grauwerte zugewiesen werden. Selbstverständlich ist es auch möglich, den Fehler C durch eine Stichprobe zusätzlich "negativ" anzulernen.

Die neuen Grauwerte f ergeben sich aus der Beziehung

f = f_max _* P(g),

wobei f_max die Gesamtzahl der möglichen Grauwertstufen darstellt.

Ein Bildpunkt aus der Fig. 1 mit dem Grauwert g_a erhält dementsprechend den Grauwert f_max. Dies gilt gleichermaßen für einen Bildpunkt in Fig. 1 mit dem Grau wert g_b. Da es entsprechend der Grauwertverteilung in Fig. 2 n_a Bildpunkte mit dem Grauwert g_a und n_b Bildpunkte mit dem Grauwert g_b gibt, entstehen (n_a + n_b) Bild punkte mit dem Grauwert f_max.

Die n_c Bildpunkte mit dem Grauwert g_c, die die mittleren Eigenschaften des Fehler gebietes C in Fig. 1 beschreiben, erhalten den Grauwert f_c mit

fc = f_max _* [P_a(g_c) + P_b(g_c) - P_a(g_c)P_b(g_c)].

Dieser Sachverhalt ist in Fig. 5 dargestellt.

Die neuen, durch Umbewertung entstandenen Grauwerte der Stichproben werden wie in Fig. 6 dargestellt, in einen adressierbaren Speicher in Form einer Look-Up- Tabelle eingetragen, so daß es nunmehr möglich ist, den Bildausschnitt in ein Wahr scheinlichkeitsbild in Form eines grauwertigen Zwischenbildes entsprechend Fig. 7 zu überführen.

Jeder Grauwert g_x,y eines Bildpunktes aus Fig. 1 mit Koordinaten x, y aktiviert dazu einen "Zeiger" (dargestellt mit →), der auf den entsprechenden Grauwert in der Look-Up-Tabelle gerichtet ist. Der in der entsprechenden Speicherzelle stehende umgerechnete Grauwert f wird mit Koordinaten x′, y′ in das überführte Bild eingetragen.

Die Look-Up-Tabelle stellt einen ersten Klassifikator zur Bildpunktklassifizierung dar, mit dem der Bildinhalt von Fig. 1 wesentlich verändert wird, wie Fig. 7 zeigt.

Die Tabelleninhalte der Look-Up-Tabelle werden bei der Inspektion wegen der Echtzeitforderungen über einen RAM benutzt.

Anhand des erzeugten Zwischenbildes gemäß Fig. 7 läßt sich natürlich direkt erkennen, ob die derart ermittelten, in dem Klassifikator realisierten Bewertungskriterien den gestellten Anforderungen entsprechen. Keines der in Fig. 1 dargestellten Gutgebiete darf im grauwertigen Zwischenbild dunkel erscheinen und die Kanten- und Eckenstrukturen müssen noch vorhanden sein. Vorteilhaft kann auch eine Softwaresimulation der Look-Up-Tabelle sein.

Durch die Anwendung von Grauwerten wurden die einzelnen Bildpunkte hinsichtlich der Wahrscheinlichkeit bewertet, zu einem Gutgebiet zu gehören.

Unabhängig davon, wieviele Gutgebiete ein Bildausschnitt enthält, das jeweilige Zwischenbild hat nach dem bis jetzt beschriebenen ersten Verarbeitungsschritt immer eine Grauwertverteilung, die diejenigen in Fig. 5 ähnlich ist.

Damit wurde erreicht, daß ohne Einführung von Schwellen die in Fig. 2 dargestellte Grauwertverteilung in Fehlergebiete und Gutgebiete gemäß Fig. 5 sortiert wird.

Die Gewinnung des Zwischenbildes als sogenanntes Bekanntheitsbild (Gebiete eines Ausgangsbildes werden in einer Anlernphase "bekannt" gemacht) ist nicht auf die Information in den Grauwerten eines Bildes beschränkt, wie in diesem Beispiel aus Gründen der Übersichtlichkeit dargestellt.

Es können sowohl die Farbinformationen als auch andere einen Merkmalsraum auf spannende Informationen über die Textur oder über Bildpunkteigenschaften in re gionalen Nachbarschaften zur Klassifikation herangezogen werden.

Anhand des Zwischenbildes in Fig. 7 ist erkennbar, daß das Fehlererkennungspro blem nach diesem ersten Verarbeitungsschritt noch nicht gelöst ist.

Naturgemäß treten im Übergangsgebiet vom Gebiet A zum Gebiet B in den Kanten Grauwerte auf, die in das Fehlergebiet des Merkmalraumes reichen. Es entsteht in Fig. 7 zusätzlich eine Struktur D.

Gleichermaßen sind die Verhältnisse bei einer Farb- bzw. Texturklassifikation, bei der aufgrund von Beugungs- und Interferrenzeffekten bei der Abbildung von Struk turkanten unvermeidbare Farbsäume auftreten, die eine Farbauswertung erheblich stören. In den Kantenbereichen verändern sich die Farbwertanteile in Abhängigkeit vom Fokussierungszustand, von den Kontrastverhältnissen und vom Höhenunter schied aneinandergrenzender Schichten so stark und komplex, daß eine einfache Fehlerdetektion mit Hilfe der Farbpixelklassifikation zu erheblichen Pseudofehlerra ten in den Kantenbereichen führt.

Desweiteren ist der Nachweis von Mikrodefekten, in Fig. 7 als punktförmiges Objekt E dargestellt, kritisch, weil ihre Ausdehnungen in der Größenordnung der Breite von Kantenübergängen D liegen.

Deshalb wird in einem zweiten Verarbeitungsschritt die lokale Umgebung der Bild punkte des Zwischenbildes weitergehend hinsichtlich der Merkmale von Gut- und Fehlerstrukturen analysiert.

Wie Fig. 8 zeigt, wird zu dieser Analyse das Zwischenbild, das mit 11 bezeichnet ist, mit einem "Fenster" 12 bildpunktweise abgerastert. Im Ergebnis vorliegende lokale Ausschnitte werden hinsichtlich ihres Bildinhaltes sowohl mit einem Filter 13 als auch mit einem Filter 14 nach zueinander unkorrelierten Eigenschaften bewertet. Die Bewertungsergebnisse lassen sich in Form einer Filterantwort 1 und einer Filterantwort 2 als zwei Koordinaten in einem zweidimensionalen Merkmalsraum für jeden Bildpunkt als Punkt M darstellen.

Es entstehen Punktwolken, wobei lokale Gebiete gleicher Eigenschaft, bezogen auf die Filter 13 und 14, Häufungsgebiete im Merkmalsraum ohne lokale Zuordnung im Zwischenbild bilden.

Vorteilhaft hat sich die Verwendung eines Gaußfilters für den Filter 13 zur Rausch unterdrückung und eines Spotfilters für den Filter 14, dessen Kern die zweite Ablei tung einer zweidimensionalen Gaußfunktion darstellt, zur Hervorhebung in sich geschlossener Gebiete (Mikrodefekte) innerhalb der bewerteten Umgebung erwiesen.

Durch deren Anwendung wird eine nahezu korrelationsfreie Punktwolkenerzeugung, wie in Fig. 9 dargestellt, erreicht.

Die Gebiete A und B aus Fig. 1, die in Fig. 7 den Gebieten F entsprechen, bilden sich als Gebiete hoher Bekanntheit in einer ersten Punktwolke 15 ab, die Strukturen D als Punktwolke 16 in unmittelbarer Nachbarschaft. Bildpunktwolken für die Feh lergebiete C und E sind mit 17 und 18 bezeichnet.

Je nach Fehlereigenschaften und zulässiger Falschalarmrate ist es natürlich auch möglich, eine höhere Zahl von andersartigen Filtern, wie z. B. richtungsabhängige Tief-, Band- und Hochpässe einzusetzen, wobei der Filterzahl entsprechend höher dimensionale Merkmalsräume entstehen. Es muß erreicht werden, daß die gesuchten Fehler möglichst weit entfernt von den Punktwolken der Gutgebiete im Merkmals raum abgebildet werden.

Wie Fig. 9 zeigt, ist durch die Anwendung der Filter 13 und 14 eine ausreichende Trennung von Gut- und Fehlergebieten erreicht worden, so daß nunmehr durch Ein führung von Schwellen 19, 20 oder einer Trennfunktion 21 Gut- und Fehlergebiete binär getrennt werden können. Das Ergebnis wird Inhalt eines zweiten, jetzt zweidi mensionalen programmierbaren Speichers in Form einer Look-Up-Tabelle.

Die Optimierung der Schwellenwerte kann entweder anhand einer Kontrolle des Ergebnisses an einem Monitor oder mit Belehrungsalgorithmen erfolgen.

Als Belehrungsalgorithmen lassen sich vorteilhaft ein Nächster-Nachbar-Klassifika tor, ein Backpropagation-Netzwerk oder ein Maximum-Likelihood-Klassifikator einsetzen.

Das ist besonders dann von Vorteil, wenn im Merkmalsraum komplexere Strukturen vorhanden sind, deren Trennung nur mit einer nichtlinearen Trennfunktion erfolgen kann.

Der zweite Speicher stellt einen zweiten Klassifikator dar, mit dem das Zwischenbild in ein binarisiertes Fehlerbild gemäß Fig. 10 überführbar ist, in dem nur noch die Fehler C und D übrigbleiben.

In der in Fig. 11 dargestellten Anordnung zur Erkennung von Fehlern bei der Inspektion von strukturierten Oberflächen ist ein als Look-Up-Tabelle in Form eines RAM-Bausteins ausgebildeter erster Klassifikator KL1, an dessen Eingang ein bild punktweise ankommendes Bild anliegt, mit seinen Signalausgängen an Eingänge zweier Zeilenpuffer ZP1 und ZP2 angeschlossen. Während der Zeilenpuffer ZP1 ausgangsseitig mit einem Gaußfilter GF verbunden ist, besteht für den Zeilenpuffer ZP2 eine derartige Verbindung mit einem Spotfilter SPF, dessen Kern die zweite Ableitung einer zweidimensionalen Gaußfunktion darstellt. Schließlich ist jeder Filter GF, SPF an einen Eingang eines zweiten Klassifikators KL2, der als zweidimensionale Look-Up-Tabelle ausgebildet ist, angeschlossen.

Das bildpunktweise ankommende Bild adressiert als Eingangssignal B1 über den ersten Klassifikator KL1, dessen Look-Up-Tabelleneinträge nach der Anlernphase der Funktion f(g) entsprechen, ein Ausgangssignal B2 zur Überführung des ankom menden Bildes in das Zwischenbild. Das Ausgangssignal B2 wird sowohl auf den Zeilenpuffer ZP1 als auch auf den Zeilenpuffer ZP2 gegeben, die dafür sorgen, daß der jeweilige Bildpunkt und seine Umgebung gleichzeitig den Filtern GF und SPF übergeben werden.

Filterantworten 1 und 2 der Filter GF und SPF adressieren als Ausgangssignale B3 und B4 den zweiten Klassifikator KL2. Dadurch wird ein Ausgangssignal B5 gewonnen, welches das Fehlerbild entsprechend Fig. 10 enthält.

Das Signal B5 kann zur Darstellung auf einem Monitor genutzt werden oder wird einem Ereignisempfänger zugeführt. Die Pipeline-Struktur der Schaltungsanord nung entsprechend Fig. 11 erlaubt eine mit der Aufnahmegeschwindigkeit schritthal tende Fehlerdetektion.

In der Inspektionsphase können nun ausgewählte Inspektionsgebiete bildfeldweise in Videoechtzeit abgerastert werden, wobei jedes Bildfeld, das beispielsweise 512 _* 512 Bildpunkte groß ist, bildpunktweise durch die beiden Klassifikatoren bewertet wird. Im Ergebnis liegt für jedes Bildfeld eine Liste von Fehlern mit deren Koordinaten vor, aus der sich eine Fehlerhäufigkeit ermitteln läßt.

Anhand Fig. 12 soll eine erweiterte Methode zur Ermittlung der Inhalte des ersten und des zweiten Speichers beschrieben werden, wenn die zu inspizierende Struktur nicht durch eine Bildaufnahme erfaßt werden kann.

Aus zwei Inspektionsgebieten IG1, IG2 werden zwei Bildausschnitte BA1, BA2 als Testgebiete ausgewählt, die jeweils zwei Realisierungen einer zu prüfenden Struktur beinhalten. Während die Größe der Testgebiete der Größe eines aufgenommenen Bildes entspricht, ist die Größe des Inspektionsgebietes nicht beschränkt.

Anhand des Bildausschnittes BA1 wird, wie bereits beschrieben, der Inhalt des ersten und des zweiten Speichers ermittelt.

Danach wird das Inspektionsgebiet IG1 vollständig verarbeitet, wobei die Fehler mit ihren Koordinaten in dem Inspektionsgebiet IG1 erfaßt werden.

Wenn man davon ausgeht, daß Fehler seltene Ereignisse sind, kann durch eine direkte Bewertung erkannter Fehler gegebenenfalls eine Korrektur des Speicherin halts durchgeführt werden. Danach können das Inspektionsgebiet IG2 und weitere gleiche Gebiete auf Fehler untersucht werden.

Der Bildausschnitt BA2 dient dazu, die Gültigkeit der Speicherinhalte, die für das Inspektionsgebiet IG1 gewonnen wurden, für das Inspektionsgebiet IG2 durch einen Vergleich von Strukturmerkmalen zu verifizieren.

Claims

1. Verfahren zur Erkennung von Fehlern bei der Inspektion von strukturierten Oberflächen, insbesondere von Masken, LCD′s, Leiterplatten und Halbleiter scheiben, anhand spezifischer Bildpunktmerkmale der Strukturen und Fehler eines von der Oberfläche aufgenommenen Bildes, bei dem an einem durch Bildpunktklassifikation erzeugten Zwischenbild, in dem Gebiete des Bildes mit ähnlichen Bildpunktmerkmalen zusammengefaßt sind, durch Strukturklassifikation eine Umgebungsbewertung der Bildpunkte erfolgt, dadurch gekennzeichnet, daß das Zwischenbild die Bildpunktmerkmale als in Grauwerte umgewandelte Zugehörigkeitswahrscheinlichkeiten zu Gebieten, die durch Anlernen bekannt gemacht sind, enthält, einschließlich der Grauwertstufungen von Übergängen zwischen aneinander angrenzender Gebiete.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß zur Erzeugung des Zwischenbildes Verteilungen von Bildpunktmerkmalen aus gewählter, mindestens der Anzahl merkmalsverschiedener fehlerfreier Oberflä chenabschnitte entsprechender Stichproben in einem durch die Anzahl der Bild punktmerkmale aufgespannten ersten Merkmalsraum durch Wahrscheinlichkeit beschrieben werden, die, in Grauwerte transformiert, Inhalt eines adressierbaren Speichers zur Umbewertung jedes Bild punktmerkmals des aufgenommenen Bildes in einen Grauwert sind, wobei die Verteilungen aller Stichproben eine Gesamtverteilung bilden, und daß Bewertungsergebnisse einer nach mindestens zwei, zueinander unkorre lierten Eigenschaften durchgeführten Umgebungsbewertung für jeden Bildpunkt des Zwischenbildes in einem zweiten adressierbaren Speicher, binär in fehlerfreie Bereiche und in Fehlerbereiche getrennt, abgelegt werden, wobei die Dimension des Speichers durch einen durch die Anzahl der bewerteten Eigenschaften aufge spannten zweiten Merkmalsraum bestimmt ist und die Ablage in dem Speicher der Verteilung der Eigenschaften eines jeden Bildpunktes in dem Merkmalsraum entspricht.

3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, daß die Stichproben aus dem aufgenommenen Bild entnommen sind.

4. Verfahren nach Anspruch 2, dadurch gekennzeichnet, daß die Stichproben aus abgespeicherten Bildinhalten entnommen sind.

5. Verfahren nach Anspruch 2, dadurch gekennzeichnet, daß die Stichproben sowohl aus dem aufgenommenen Bild als auch aus abgespeicherten Bildinhalten entnommen sind.

6. Verfahren nach Anspruch 3, 4 oder 5, dadurch gekennzeichnet, daß neben den Stichproben von fehlerfreien Oberflächenabschnitten zusätzlich Stichproben von Oberflächenabschnitten mit Fehlern zur Erzeugung des Zwischenbildes dienen.

7. Verfahren nach Anspruch 3, 4, 5 oder 6, dadurch gekennzeichnet, daß die Umgebungsbewertung mit mindestens zwei, in ihrem Kern variierbaren und unkorrelierte Eigenschaften besitzenden Filtern durch Rauschunterdrückung und Hervorhebung in sich geschlossener, innerhalb der bewerteten Umgebung lie gender Gebiete erfolgt.

8. Verfahren nach Anspruch 7, dadurch gekennzeichnet, daß ein Filterpaar eingesetzt wird, von denen der eine ein Tiefpaßfilter und der andere ein Bandpaßfilter ist.

9. Verfahren nach Anspruch 8, dadurch gekennzeichnet, daß der Tiefpaßfilter ein Gaußfilter und der Bandpaßfilter ein Spotfilter, dessen Kern die zweite Ableitung einer zweidimensionalen Gaußfunktion darstellt, ist.

10. Verfahren nach Anspruch 9, dadurch gekennzeichnet, daß als adressierbare Speicher Look-Up-Tabellen verwendet werden.

11. Verfahren nach Anspruch 10, dadurch gekennzeichnet, daß als Bildpunktmerkmale Farbmerkmale der Bildpunkte dienen.

12. Verfahren nach Anspruch 10, dadurch gekennzeichnet, daß als Bildpunktmerkmale Texturmerkmale dienen, die jedem Bildpunkt durch seine Umgebung zugeordnet sind.

13. Verfahren nach Anspruch 11 oder 12, dadurch gekennzeichnet, daß von verschiedenen Inspektionsgebieten zunächst aus einem ersten Inspektionsgebiet ein der Größe des aufgenommenen Bildes entsprechender Bildausschnitt zur Bestimmung der Inhalte des ersten und des zweiten Speichers ausgewählt wird, in dem erkannte Fehler erneut als Stichproben dienen und die Anwendbarkeit der Ergebnisse an mindestens einem Bildausschnitt in mindestens einem der anderen Inspektionsgebiete überprüft wird.

14. Verfahren nach Anspruch 2 oder 13, dadurch gekennzeichnet, daß sowohl Speicherinhalte des ersten und zweiten Speichers, die charakteristische Bildprimitive repräsentieren, als auch Informationen über Prüfstrukturen Inhalte einer Datenbank werden.