特開 2023-133939 欠陥分類装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2023133939

(43)【公開日】2023-09-27

(54)【発明の名称】欠陥分類装置

(51)【国際特許分類】

   H01L 21/66 20060101AFI20230920BHJP

   G06T 7/00 20170101ALI20230920BHJP

   G06V 10/70 20220101ALI20230920BHJP

   G01N 21/956 20060101ALN20230920BHJP

【ＦＩ】

H01L21/66 J

G06T7/00 350B

G06V10/70

G01N21/956 A

【審査請求】未請求

【請求項の数】5

【出願形態】ＯＬ

(21)【出願番号】P 2022039210

(22)【出願日】2022-03-14

(71)【出願人】

【識別番号】000219314

【氏名又は名称】東レエンジニアリング株式会社

(71)【出願人】

【識別番号】301014904

【氏名又は名称】東レエンジニアリング先端半導体ＭＩテクノロジー株式会社

(74)【代理人】

【識別番号】110001427

【氏名又は名称】弁理士法人前田特許事務所

(72)【発明者】

【氏名】大▲美▼ 英一

【テーマコード（参考）】

2G051

4M106

5L096

【Ｆターム（参考）】

2G051AA51

2G051AB01

2G051AB02

2G051EC01

4M106AA01

4M106CA39

4M106DJ27

4M106DJ28

5L096AA06

5L096BA03

5L096CA02

5L096DA02

5L096HA09

5L096HA11

5L096JA22

(57)【要約】

【課題】被検査対象に発生した欠陥パターンを精度よく分類する。
【解決手段】自動欠陥分類装置１は、被検査対象Ｗに発生した欠陥パターンＰを分類する。自動欠陥分類装置１は、欠陥パターンＰを分類して一次分類結果Ｒを得る複数の欠陥分類部１０と、複数の欠陥分類部１０により得られる複数の一次分類結果Ｒに基づいて、欠陥パターンＰを再分類して再分類結果Ｔを得る欠陥再分類部２０と、欠陥再分類部２０による再分類条件Ｖを登録する再分類登録部３０と、を備える。
【選択図】図３

【特許請求の範囲】

【請求項1】

被検査対象に発生した欠陥パターンを分類する欠陥分類装置であって、
前記欠陥パターンを分類して一次分類結果を得る複数の欠陥分類部と、
前記複数の欠陥分類部により得られる複数の前記一次分類結果に基づいて、前記欠陥パターンを再分類して再分類結果を得る欠陥再分類部と、
前記欠陥再分類部による再分類条件を登録する再分類登録部と、を備える、欠陥分類装置。

【請求項2】

請求項１に記載の欠陥分類装置であって、
前記再分類条件は、
前記複数の一次分類結果が互いに異なるときに、前記再分類結果を、所定の優先度に基づいて前記複数の一次分類結果のうちのいずれか１つとする優先度モードと、
前記複数の一次分類結果が互いに異なるときに、前記再分類結果を、前記複数の一次分類結果のうちの同じ前記一次分類結果が多数あった方とする多数決モードと、
前記複数の一次分類結果が互いに異なるときに、前記再分類結果を、所定のアルゴリズムに基づいて前記複数の一次分類結果の組合せパターンによって決定する組合せパターンモードと、のうちの少なくとも１つを含む、欠陥分類装置。

【請求項3】

請求項１又は２に記載の欠陥分類装置であって、
前記複数の欠陥分類部は、上流側から下流側へと順に、前記欠陥パターンを分類しており、
下流側の前記欠陥分類部は、上流側の前記欠陥分類部では分類が決定しなかった前記被検査対象の前記欠陥パターンのみを分類する、欠陥分類装置。

【請求項4】

請求項１から３のいずれか１つに記載の欠陥分類装置であって、
前記複数の欠陥分類部として、
前記被検査対象の検査画像に対して所定の特徴量に基づいて、前記欠陥パターンを分類する特徴量欠陥分類部と、
前記検査画像に対してＡＩ学習により生成された分類条件に基づいて、前記欠陥パターンを分類するＡＩ欠陥分類部と、
前記ＡＩ欠陥分類部における前記検査画像よりも高解像度で取得したレビュー画像に対してＡＩ学習により生成された分類条件に基づいて、前記欠陥パターンを分類するレビューＡＩ欠陥分類部と、を備える、欠陥分類装置。

【請求項5】

請求項１から４のいずれか１つに記載の欠陥分類装置であって、
前記再分類条件をユーザが入力し且つ入力された前記再分類条件を表示するインターフェース部を備える、欠陥分類装置。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、被検査対象に発生した欠陥パターンを分類する欠陥分類装置に、関する。

【背景技術】

【0002】

例えば、半導体デバイスの製造工程では、半導体ウエハ(基板)の表面に露光、現像、エッチング等の処理を行うことによって、半導体ウエハ表面に多数の回路パターンを形成する。そして、多数の回路パターンが形成された半導体ウエハを、複数のチップ部品として個片化する。個片化されたチップ部品は、パッケージングされた後、電子部品単体として出荷されたり、電気製品に組み込まれたりする。

【0003】

ここで、半導体ウエハが複数のチップ部品として個片化される前に、半導体ウエハ表面に対して、欠陥の検出が行われる。欠陥の検出は、例えば、光学顕微鏡や走査電子顕微鏡により撮像された検査画像に基づいて、行われる。

【0004】

そして、欠陥の検出された半導体ウエハに対して、欠陥のサイズや色などの特徴量に基づいて、欠陥パターンの分類が行われる。欠陥パターンとして、例えば、異物や傷などがある。

【0005】

従来、欠陥パターンの分類は、作業者による目視検査によって行われてきた。しかしながら、目視検査では、作業者の主観に応じて、欠陥パターンの分類結果にばらつきが生じ得るので、欠陥パターンを精度よく分類することができなかった。

【0006】

そこで、特許文献１に示すように、半導体ウエハ表面に発生した欠陥パターンを自動的分類する自動欠陥分類装置（Automatic Defect Classification：ＡＤＣ）が、知られている。

【先行技術文献】

【特許文献】

【0007】

【特許文献1】特開２００４－４７９３９号公報

【発明の概要】

【発明が解決しようとする課題】

【0008】

しかしながら、特許文献１に係る自動欠陥分類装置を用いて、作業者の主観を排して欠陥パターンを分類したとしても、依然として、欠陥パターンの分類精度に課題がある。

【0009】

上記課題は、半導体ウエハ以外の他の被検査対象にも、当てはまる。

【0010】

本開示は斯かる点に鑑みてなされたものであり、その目的とするところは、被検査対象に発生した欠陥パターンを精度よく分類することにある。

【課題を解決するための手段】

【0011】

本開示に係る欠陥分類装置は、被検査対象に発生した欠陥パターンを分類する欠陥分類装置であって、上記欠陥パターンを分類して一次分類結果を得る複数の欠陥分類部と、上記複数の欠陥分類部により得られる複数の上記一次分類結果に基づいて、上記欠陥パターンを再分類して再分類結果を得る欠陥再分類部と、上記欠陥再分類部による再分類条件を登録する再分類登録部と、を備える。

【発明の効果】

【0012】

本開示によれば、被検査対象に発生した欠陥パターンを精度よく分類することができる。

【図面の簡単な説明】

【0013】

【図1】図１は、本開示の一実施形態に係る自動欠陥分類装置の概略構成図である。

【図2】図２は、インターフェース部の設定画面を示す。

【図3】図３は、欠陥パターンの分類フローを示すフローチャートである。

【図4】図４は、その他の実施形態に係る図３相当図である。

【発明を実施するための形態】

【0014】

以下、本開示の一実施形態を図面に基づいて詳細に説明する。以下の好ましい実施形態の説明は、本質的に例示に過ぎず、本開示、その適用物あるいはその用途を制限することを意図するものでは全くない。

【0015】

（自動欠陥分類装置の構成）
図１は、本開示の一実施形態に係る自動欠陥分類装置１の概略構成図である。自動欠陥分類装置１は、被検査対象Ｗに発生した欠陥パターンＰを、分類する。本実施形態では、被検査対象Ｗは、半導体製造工程における半導体ウエハ（基板）の表面である。

【0016】

自動欠陥分類装置１による欠陥パターンＰの分類工程の前工程において、欠陥検出装置（図示せず）による欠陥の検出が行われる。欠陥の検出は、光学顕微鏡や走査電子顕微鏡により撮像された検査画像Ｉに基づいて、行われる。具体的には、欠陥の検出は、例えば、撮像された検査画像Ｉを、事前に設定されたフィッティング画像（統計的良品画像）に重ね合わせることによって、行われる。フィッティング画像は、例えば、良品判定された被検査対象Ｗの画像を平均化することによって、得られる。

【0017】

自動欠陥分類装置１は、欠陥検出装置により欠陥が検出された被検査対象Ｗについてのみ、欠陥パターンＰを分類する。ここで、欠陥パターンＰとして、例えば、異物、傷、エッジリンス不良、スルーホール異常、塗膜ムラ、剥がれ、スクラッチ、ボンディングパッド異常、色ムラ、パターン異常、染み、変色、変形、などがある。

【0018】

自動欠陥分類装置１は、複数の欠陥分類部１０と、欠陥再分類部２０と、再分類登録部３０と、インターフェース部４０と、を備える。自動欠陥分類装置１は、例えば、マイコン及びプログラムで構成されている。

【0019】

複数の欠陥分類部１０は、被検査対象Ｗに発生した欠陥パターンＰを分類して、一次分類結果Ｒを得る。複数の欠陥分類部１０として、特徴量欠陥分類部１１と、ＡＩ欠陥分類部１２と、レビューＡＩ欠陥分類部１３と、がある。

【0020】

特徴量欠陥分類部１１は、被検査対象Ｗの検査画像Ｉに対して、欠陥における所定の特徴量Ｘに基づいて、欠陥パターンＰを分類して、特徴量一次分類結果Ｒ１を得る。欠陥の特徴量Ｘとして、例えば、面積、明るさ、色、輝度、形状、鮮明さ、長さ、幅、幅／長さ、角度、透明度、などがある。特徴量欠陥分類部１１には、欠陥の特徴量Ｘが、事前に登録されている。

【0021】

ＡＩ欠陥分類部１２は、被検査対象Ｗの検査画像Ｉに対して、ＡＩ（Artificial Intelligence）学習により生成された分類条件Ｙに基づいて、欠陥パターンＰを分類して、ＡＩ一次分類結果Ｒ２を得る。詳細には、ＡＩ欠陥分類部１２は、被検査対象Ｗの検査画像Ｉに対して、最適な分類条件Ｙを、ＡＩ学習によって自動生成する。そして、ＡＩ欠陥分類部１２は、撮像された検査画像Ｉを、生成された分類条件Ｙに比較して、欠陥パターンＰを分類する。分類条件Ｙの自動生成は、被検査対象Ｍ毎に、都度行われる。

【0022】

このため、ＡＩ欠陥分類部１２による欠陥パターンＰの分類は、特徴量欠陥分類部１１による欠陥パターンＰの分類に比較して、時間がかかる。一方、ＡＩ欠陥分類部１２は、特徴量欠陥分類部１１に比較して、欠陥パターンＰを、高精度で分類することができる。

【0023】

ＡＩ学習として、例えば、機械学習やディープラーニング等がある。また、機械学習として、「教師有り学習」、「教師無し学習」及び「強化学習」等がある。

【0024】

例えば、任意の検査画像Ｉ及び当該検査画像Ｉに対する目視検査による欠陥パターンＰの分類結果を、ＡＩ欠陥分類部１２に、データとして予め大量に入力する。ＡＩ欠陥分類部１２は、大量に入力されたこれらのデータに基づいて、欠陥分類の傾向を発見することによって、撮像された検査画像Ｉに対する欠陥パターンＰの分類条件Ｙを、都度、自動生成する。

【0025】

レビューＡＩ欠陥分類部１３は、ＡＩ欠陥分類部１２における検査画像Ｉよりも高解像度で取得したレビュー画像Ｊに対して、ＡＩ学習により生成された分類条件Ｚに基づいて、欠陥パターンＰを分類して、レビューＡＩ一次分類結果Ｒ３を得る。レビューＡＩ欠陥分類部１３の構成は、通常の検査画像Ｉではなくレビュー画像Ｊを用いること以外、ＡＩ欠陥分類部１２と同様である。

【0026】

ここで、レビュー画像Ｊは、被検査対象Ｗを、（特徴量欠陥分類部１１及びＡＩ欠陥分類部１２で用いられる）通常の検査画像Ｉよりも、高解像度（高倍率）で撮像することによって、得られる。レビュー画像Ｊは、通常の検査画像Ｉよりも、撮像範囲（画角）が狭い。すなわち、レビューＡＩ欠陥分類部１３では、１つの被検査対象Ｗに対して、複数のレビュー画像Ｊを取得する必要がある。

【0027】

このため、レビューＡＩ欠陥分類部１３による欠陥パターンＰの分類は、ＡＩ欠陥分類部１２による欠陥パターンＰの分類に比較して、時間がかかる。一方、レビューＡＩ欠陥分類部１３は、ＡＩ欠陥分類部１２に比較して、欠陥パターンＰを、高精度で分類することができる。

【0028】

複数の欠陥分類部１０は、上流側から下流側へと、特徴量欠陥分類部１１、ＡＩ欠陥分類部１２及びレビューＡＩ欠陥分類部１３の順に、被検査対象Ｗの欠陥パターンＰを、段階的に分類する。下流側の欠陥分類部１０は、上流側の欠陥分類部１０では分類が決定（確定）しなかった被検査対象Ｗの欠陥パターンＰのみを、分類する。

【0029】

具体的には、ＡＩ欠陥分類部１２は、特徴量欠陥分類部１１では分類が決定せずに未決定となった被検査対象Ｗの欠陥パターンＰのみを、分類する。レビューＡＩ欠陥分類部１３は、ＡＩ欠陥分類部１２では分類が決定せずに未決定となった被検査対象Ｗの欠陥パターンＰのみを、分類する。

【0030】

欠陥再分類部２０は、複数の欠陥分類部１０（特徴量欠陥分類部１１、ＡＩ欠陥分類部１２及びレビューＡＩ欠陥分類部１３）により得られる複数の一次分類結果Ｒ（特徴量一次分類結果Ｒ１、ＡＩ一次分類結果Ｒ２及びレビューＡＩ一次分類結果Ｒ３）に基づいて、欠陥パターンＰを再分類して、再分類結果Ｔを得る。

【0031】

再分類登録部３０は、欠陥再分類部２０による再分類条件Ｖを、登録する。また、再分類登録部３０は、再分類条件Ｖを、保持・記憶する。再分類条件Ｖは、優先度モードＭ１と、多数決モードＭ２と、組合せパターンモードＭ３と、を含む。

【0032】

優先度モードＭ１は、複数の欠陥分類部１０（特徴量欠陥分類部１１、ＡＩ欠陥分類部１２及びレビューＡＩ欠陥分類部１３）により得られる複数の一次分類結果Ｒ（特徴量一次分類結果Ｒ１、ＡＩ一次分類結果Ｒ２及びレビューＡＩ一次分類結果Ｒ３）が互いに異なるときに、欠陥再分類部２０による再分類結果Ｔを、所定の優先度に基づいて複数の一次分類結果Ｒのうちのいずれか１つとする。

【0033】

例えば、優先度モードＭ１において、欠陥パターンＰとして、予め「異物」を優先したとする。そして、特徴量一次分類結果Ｒ１が「傷」、ＡＩ一次分類結果Ｒ２が「異物」、レビューＡＩ一次分類結果Ｒ３が「傷」だったとする。

【0034】

この場合、「傷」が２つ、「異物」が１つと、「傷」の方が多いが、予め優先した「異物」が優先される。すなわち、欠陥再分類部２０による再分類結果Ｔは、「異物」となる。

【0035】

多数決モードＭ２は、複数の欠陥分類部１０（特徴量欠陥分類部１１、ＡＩ欠陥分類部１２及びレビューＡＩ欠陥分類部１３）により得られる複数の一次分類結果Ｒ（特徴量一次分類結果Ｒ１、ＡＩ一次分類結果Ｒ２及びレビューＡＩ一次分類結果Ｒ３）が互いに異なるときに、欠陥再分類部２０による再分類結果Ｔを、複数の一次分類結果Ｒのうちの同じ一次分類結果Ｒが多数あった方とする。

【0036】

例えば、特徴量一次分類結果Ｒ１が「傷」、ＡＩ一次分類結果Ｒ２が「異物」、レビューＡＩ一次分類結果Ｒ３が「傷」だったとする。この場合、「傷」が２つ、「異物」が１つであり、同じ一次分類結果Ｒとして、「傷」の方が多数である。すなわち、欠陥再分類部２０による再分類結果Ｔは、「傷」となる。

【0037】

組合せパターンモードＭ３は、複数の欠陥分類部１０（特徴量欠陥分類部１１、ＡＩ欠陥分類部１２及びレビューＡＩ欠陥分類部１３）により得られる複数の一次分類結果Ｒ（特徴量一次分類結果Ｒ１、ＡＩ一次分類結果Ｒ２及びレビューＡＩ一次分類結果Ｒ３）が互いに異なるときに、欠陥再分類部２０による再分類結果Ｔを、所定のアルゴリズムに基づいて複数の一次分類結果Ｒの組合せパターンによって決定する。組合せパターンモードＭ３の詳細については、後述する。

【0038】

インターフェース部４０は、再分類条件Ｖを、ユーザＵが入力する。また、インターフェース部４０は、入力された再分類条件Ｖを、ユーザＵに対して表示する。

【0039】

図２は、インターフェース部４０の設定画面４１を示す。設定画面４１では、先ず、ユーザＵによって、再分類条件Ｖとして、優先度モードＭ１、多数決モードＭ２及び組合せパターンモードＭ３のうちのいずれか１つが、選択される。

【0040】

再分類条件Ｖとして組合せパターンモードＭ３が選択された場合、具体的な組合せパターンを設定する。例えば、第１判定条件Ｈ１では、特徴量一次分類結果Ｒ１が「黒色欠陥」、ＡＩ一次分類結果Ｒ２が「円形欠陥」、且つレビューＡＩ一次分類結果Ｒ３が「異物」だった場合、再分類結果Ｔを「黒色異物欠陥」とする。なお、このときの論理式Ｋは、「ＡＮＤ」である。

【0041】

第２判定条件Ｈ２では、特徴量一次分類結果Ｒ１が「白色欠陥」、ＡＩ一次分類結果Ｒ２が「矩形欠陥」、且つレビューＡＩ一次分類結果Ｒ３が「傷」だった場合、再分類結果Ｔを「白色傷欠陥」とする。なお、このときの論理式Ｋは、「ＡＮＤ」である。

【0042】

第３判定条件Ｈ３以降でも、上記と同様に、任意の組合せパターンを設定する。また、論理式Ｋは、「ＯＲ」でもよい。

【0043】

（欠陥パターンの分類フロー）
図３は、欠陥パターンＰ１の分類フローを示すフローチャートである。なお、後述する「分類Ａ」～「分類Ｇ」は、「異物」や「傷」等のような欠陥パターンＰの分類を示す。

【0044】

先ず、ステップＳ１において、ユーザＵは、欠陥再分類部２０による再分類条件Ｖを、再分類登録部３０に登録する。本例では、再分類条件Ｖとして、組合せパターンモードＭ３が採用される。ユーザＵは、具体的な組合せパターンを、再分類登録部３０に登録する（図２参照）。なお、再分類条件Ｖの再分類登録部３０への登録は、後述するステップ６の後に行ってもよい。

【0045】

次に、ステップＳ２において、被検査対象Ｗの検査画像Ｉが取得される。

【0046】

次に、ステップＳ３において、特徴量欠陥分類部１１は、被検査対象Ｗの欠陥パターンＰを、所定の特徴量Ｘに基づいて、分類する。具体的には、特徴量欠陥分類部１１は、欠陥パターンＰを、特徴量一次分類結果Ｒ１として、「分類Ａ」、「分類Ｂ」及び「分類Ｃ」に分類する。「分類Ａ」は、決定（確定）される。「分類Ｂ」及び「分類Ｃ」は、未決定（未確定）とされる。

【0047】

次に、ステップＳ４において、ＡＩ欠陥分類部１２は、特徴量欠陥分類部１１では分類が決定せずに未決定となった「分類Ｂ」及び「分類Ｃ」に係る被検査対象Ｗの欠陥パターンＰのみを、検査画像Ｉに対してＡＩ学習により生成された分類条件Ｙに基づいて、分類する。具体的には、ＡＩ欠陥分類部１２は、欠陥パターンＰを、ＡＩ一次分類結果Ｒ２として、「分類Ｂ」、「分類Ｃ」、「分類Ｄ」及び「分類Ｅ」に分類する。「分類Ｂ」及び「分類Ｃ」は、決定（確定）される。「分類Ｄ」及び「分類Ｅ」は、未決定（未確定）とされる。

【0048】

次に、ステップＳ５において、ＡＩ欠陥分類部１２では分類が決定せずに未決定となった「分類Ｄ」及び「分類Ｅ」に係る被検査対象Ｗのレビュー画像Ｊのみを、取得する。レビュー画像Ｊは、検査画像Ｉよりも高解像度である。

【0049】

次に、ステップＳ６において、レビューＡＩ欠陥分類部１３は、ＡＩ欠陥分類部１２では分類が決定せずに未決定となった「分類Ｄ」及び「分類Ｅ」に係る被検査対象Ｗの欠陥パターンＰのみを、レビュー画像Ｊに対してＡＩ学習により生成された分類条件Ｚに基づいて、分類する。具体的には、レビューＡＩ欠陥分類部１３は、欠陥パターンＰを、レビューＡＩ一次分類結果Ｒ３として、「分類Ｄ」、「分類Ｅ」及び「分類Ｆ」に分類する。「分類Ｄ」及び「分類Ｅ」は、決定（確定）される。「分類Ｆ」は、未決定（未確定）とされる。

【0050】

次に、ステップＳ７において、欠陥再分類部２０は、レビューＡＩ欠陥分類部１３では分類が決定せずに未決定となった「分類Ｆ」に係る被検査対象Ｗの欠陥パターンＰのみを、再分類して、再分類結果Ｔを得る。

【0051】

具体的には、欠陥再分類部２０は、特徴量欠陥分類部１１、ＡＩ欠陥分類部１２及びレビューＡＩ欠陥分類部１３により得られる特徴量一次分類結果Ｒ１、ＡＩ一次分類結果Ｒ２及びレビューＡＩ一次分類結果Ｒ３（分類履歴）に基づいて、未決定の「分類Ｆ」に係る被検査対象Ｗの欠陥パターンＰを再分類して、再分類結果Ｔを得る。

【0052】

上述したように、欠陥再分類部２０は、再分類条件Ｖとして、組合せパターンモードＭ３を採用している。欠陥再分類部２０は、再分類条件Ｖとしての組合せパターンモードＭ３に基づいて、被検査対象Ｗの欠陥パターンＰを再分類して、再分類結果Ｔを得る。
具体的には、欠陥再分類部２０は、特徴量一次分類結果Ｒ１が「分類Ｂ」、ＡＩ一次分類結果Ｒ２が「分類Ｄ」、レビューＡＩ一次分類結果Ｒ３が「分類Ｆ」である場合、再分類結果Ｔを「分類Ｇ」とする。一方、欠陥再分類部２０は、上記以外の場合、再分類結果Ｔを「分類Ｆ」とする。「分類Ｆ」は、決定（確定）される。「分類Ｇ」は、未決定（未確定）とされる。

【0053】

最後に、ステップＳ８において、未決定の「分類Ｇ」に係る被検査対象Ｗの欠陥パターンＰを、作業者による目視検査によって、再々分類する。

【0054】

（作用効果）
本実施形態によれば、欠陥再分類部２０が、複数の欠陥分類部１０による一次分類結果Ｒに基づいて、欠陥パターンＰを再分類して再分類結果Ｔを得ることによって、被検査対象Ｗに発生した欠陥パターンＰを、精度よく分類することができる。

【0055】

また、目視検査による欠陥パターンＰの分類を、最小限に減らすことができる。

【0056】

欠陥再分類部２０による再分類条件Ｖを、優先度モードＭ１、多数決モードＭ２及び組合せパターンモードＭ３の中から選択できるので、再分類条件Ｖを、製造条件等に応じて柔軟に変更することができる。

【0057】

下流側の欠陥分類部１０は、上流側の欠陥分類部１０で既に分類が決定した被検査対象Ｗの欠陥パターンＰを、分類しなくてよい。このため、自動欠陥分類装置１による欠陥パターンＰの分類処理速度を、向上させることができる。

【0058】

複数の欠陥分類部１０として、特徴量欠陥分類部１１、ＡＩ欠陥分類部１２及びレビューＡＩ欠陥分類部１３を組み合わせることによって、自動欠陥分類装置１による欠陥パターンＰの分類処理速度と分類精度との両立を図ることができる。

【0059】

インターフェース部４０の設定画面４１を通じて、ユーザＵは、欠陥再分類部２０による再分類条件Ｖを、容易に設定することができる。

【0060】

（その他の実施形態）
以上、本開示を好適な実施形態により説明してきたが、こうした記述は限定事項ではなく、勿論、種々の改変が可能である。

【0061】

上記実施形態では、複数の欠陥分類部１０は、上流側から下流側へ順に、被検査対象Ｗの欠陥パターンＰを段階的に分類したが、これに限定されない。

【0062】

図４に示すように、特徴量欠陥分類部１１、ＡＩ欠陥分類部１２及びレビューＡＩ欠陥分類部１３は、互いに並行して、任意の被検査対象Ｗの欠陥パターンＰを分類してもよい。

【0063】

例えば、特徴量欠陥分類部１１は、任意の被検査対象Ｗの欠陥パターンＰを、特徴量一次分類結果Ｒ１としての「傷」に分類する。ＡＩ欠陥分類部１２は、当該任意の被検査対象Ｗの欠陥パターンＰを、ＡＩ一次分類結果Ｒ２としての「異物」に分類する。レビューＡＩ欠陥分類部１３は、当該任意の被検査対象Ｗの欠陥パターンＰを、レビューＡＩ一次分類結果Ｒ３としての「傷」に分類する。

【0064】

再分類条件Ｖを優先度モードＭ１として、予め「異物」を優先したとする。この場合、欠陥再分類部２０は、再分類結果Ｔとしての「異物」を得る。再分類条件Ｖを多数決モードＭ２としたとする。この場合、欠陥再分類部２０は、再分類結果Ｔとしての「傷」を得る。再分類条件Ｖを組合せパターンモードＭ３としたとする。この場合、欠陥再分類部２０は、所定のアルゴリズムに基づいて、再分類結果Ｔを得る（図２，３参照）。

【0065】

検査画像ＩをＲＧＢの各色成分画像に変換して、どの色成分画像にて欠陥パターンＰの検査を行ったのか（色成分画像条件）を、欠陥パターンＰの再分類に利用してもよい。

【0066】

検査対象Ｗは、半導体ウエハに限定されず、自動欠陥分類装置１で分類可能な、種々の対象が考えられ得る。検査対象Ｗは、例えば、ガラス基板や電線等でもよい。

【0067】

複数の欠陥分類部１０の組合せは、特徴量欠陥分類部１１、ＡＩ欠陥分類部１２及びレビューＡＩ欠陥分類部１３に、限定されない。例えば、自動欠陥分類装置１は、複数の欠陥分類部１０として、互いに異なる特徴量を分類基準とした２つの特徴量欠陥分類部のみを、備えてもよい。

【産業上の利用可能性】

【0068】

本開示は、自動欠陥分類装置１に適用できるので、極めて有用であり、産業上の利用可能性が高い。

【符号の説明】

【0069】

Ｗ 被検査対象
Ｐ 欠陥パターン
Ｉ 検査画像
Ｊ レビュー画像
Ｒ 一次分類結果
Ｒ１ 特徴量一次分類結果
Ｒ２ ＡＩ一次分類結果
Ｒ３ レビューＡＩ一次分類結果
Ｘ 特徴量
Ｙ 分類条件
Ｚ 分類条件
Ｔ 再分類結果
Ｖ 再分類条件
Ｕ ユーザ
Ｍ１ 優先度モード
Ｍ２ 多数決モード
Ｍ３ 組合せパターンモード
１ 自動欠陥分類装置
１０ 欠陥分類部
１１ 特徴量欠陥分類部
１２ ＡＩ欠陥分類部
１３ レビューＡＩ欠陥分類部
２０ 欠陥再分類部
３０ 再分類登録部
４０ インターフェース部

【図1】

【図2】

【図3】

【図4】