книги / Оптические методы контроля интегральных микросхем

Of ВЫделяёМоГо фрагмента на Модулятор проекционного ННйесКоПй с программатора подается гасящий импульс регулируемой длитель­ ности (рис. 30,а) с частотой .строк телевизионного стандарта.

—СоВмещенныи контурмикро­

структур

~ Дефект "Контур Выдран­

ного фрагмента

Рис. 29. Совмещенные изображения контролируемой и образцовой струк-1

тур

Величина погашенного участка слева от выделяемого фрагмента пропорциональна длительности гасящего импульса. Для гашения луча справа от выделяемого фрагмента на модулятор проекцион­ ного кинескопа с программатора подается пара импульсов с часто-

Рис. SO. Эпюры, поясняющиевыделение фрагмента с дефек­ том

той строк телевизионного стандарта: отрицательный неизменной дли­ тельности Тстр (рис. 30,6) и положительный регулируемой длитель­ ности (рис.- 30,в). Величина погашенного участка справа от выде­ ленного фрагмента пропорциональна разности длительности отри­ цательного и положительного импульсов (рис. 30,г).

Аналогично осуществляется гашение луча проекционного кине­ скопа сверху и снизу от выделяемого фрагмента, но частота следо­ вания гасящих импульсов, поступающих с программатора, соот­ ветствует частоте кадров телевизионного стандарта.

Такой принцип выделения фрагмента позволяет оператору выби­ рать форму и размеры фрагмента и самому определять взаимное расположение дефектной области относительно границ выделяемого

82

или, например, контролируемого фотошаблона ИС. Прошедший че­ рез снимок или отраженный от фотошаблона свет регистрируется фотоумножителем. Одновременно измеряется интенсивность излучае­ мого. экраном света. Рабочий диаметр пятна в плоскости фокуси­ ровки 2 мкм, сканируемый фрагмент 1 X 1 мм и менее. Сканирова­

ние достигается совместным действием системы перемещения пятна на ,ЭЛТ и системы управления электромеханическим перемещением каретки с изображением. Обе системы управляются ЭВМ М-400. Программа на языке ФОРТРАН обеспечивает управление сканиро­ ванием с учетом адаптивного алгоритма распознавания (т. е. дви­ жения по программе, приспосабливающейся к изменению характе­ ристики признака данного дефекта) и априорных сведений о харак­ тере возможных дефектов.

Голографические устройства распознавания [144], в принципе, позволяют полнее использовать возможности параллельной много­ канальной обработки информации и реализовать такой процесс опознавания образов, при котором анализируемый образ будет вы­ зывать отклик в виде другого образа. Они позволяют сохранить записанную информацию при частичном повреждении промежуточ­ ного носителя (например, в описанных выше системах с визуализа­ цией изображений, полученных в нсоптическнх диапазонах), а так­ же хранить большое число эталонов опознаваемых образов в малом объеме запоминающей среды. Однако техническая реализация этих потенциальных возможностей затруднена и устройства для распо­ знавания дефектов ИС в настоящее время отсутствуют.

4.3.Алгоритмы распознавания некоторых типов дефектов кристаллов и фотошаблонов

Алгоритмы распознавания дефектов при машинной обработке их изображений базируются на общей тео­ рии распознавания образов, корреляционном анализе, теории оптимальной фильтрации сигналов и ряде других дисциплин. По теоретическим аспектам распознавания образов имеется обширная литература, рассмотрение которой выходит за рамки данной книги. Отметим толь­ ко отдельные моменты.

В одной из первых работ по этой проблеме А. А. Харкевич [145] указывал на целесообразность проведения перед распознаванием визуализированных изображений соответствующую фильтрацию сигналов изображения. Комитет по изучению проблемы распознавания, создан­ ный в Японии в 1974 г., в предварительном отчете [146] отметил, что оптимальным является двухэтапный алго­ ритм распознавания: «а первом этапе производится предварительная обработка изображения, на втором— непосредственное распознавание (т. е. принятие реше­ ния относительно наличия и характеристик дефектов).

85

Первый этап — предварительной обработки — может быть реализован в двух принципиально различных ва­ риантах. Следуя первому, оператор перед работой уста­ навливает для ЭВМ определенные алгоритмы и програм­ му обработки изображения и в дальнейшем с ЭВМ не взаимодействует. В качестве алгоритмов обработки мо­ гут использоваться быстрое и дискретное преобразова­ ние Фурье, преобразование Адамара, преобразование Уолша, а также специальные методы выделения инфор­ мативных особенностей изображения в процессе его счи­ тывания и отслеживания (подобно описанному в [143] адаптивному методу сканирования в сочетании с исполь­ зованием априорных сведений о характере возможных дефектов). Во втором варианте предварительная обра­ ботка изображения осуществляется в режиме диалога ЭВМ с оператором. Для этого обработанное изображе­ ние выводят на дисплей или телевизионный экран и опе­ ратор по нему корректирует как -метод обработки (т. е. переключает программы), так и параметры (например, изменяет время задержки при корреляционной обработ­ ке или уровень квантования при дискретном преобразо­ вании).

используются чисто машинные алгоритмы принятия ре­ шения и оператор может вмешиваться только при от­ ладке программ или в режиме «обучения». Во втором — ЭВМ используется в диалоговом режиме (вывод на дисплей, цифропечать, ТВ экра-н и т. п. определенной информации), причем оператору предоставляется право принятия решения о годности объекта контроля.

Предварительная обработка изображений и описание дефектов. Для предварительной обработки, цель кото­ рой— выделить информативные признаки, наиболее це­ лесообразно использовать ортогональные преобразова­ ния (разложения) [147].

Чтобы пояснить использование ортогональных раз­ ложений при решении задач распознавания, дадим этим задачам следующее схематическое описание [148]. Не­ обработанные данные наблюдений, полученные с по­ мощью системы датчиков-преобразователей, охватыва­ ют пространство изображений Р. Очень часто такие данные собирают беспорядочно, поэтому необходимо ис­ пользовать метод извлечения определенных признаков

86

И объедийения соответствующих данных, в результате чего полученные данные будут определять пространство признаков F. Важную информацию, связанную с про­ странством -признаков, несет пространство классов С. Эта информация используется для исходной классифи­ кации образов. Следовательно, необходимы методы обеспечения переходов (по всей вероятности, необрати­ мых) от образа к признакам, а от них к классу:

P-+F-+C.

Если каждую выборку образа рассматривать в не­ котором пространстве, определяемом действительными осями или комплексной плоскостью, то при переходе P-+F уменьшение размерности при описании образа со­ пряжено с некоторыми трудностями, для преодоления которых можно использовать ЭВМ. Эта ступень процес­ са в опознавании образа позволяет выявить и выбрать систему признаков в пространстве F. При этом жела­ тельно разработать адаптивную или обучающуюся схе­ му, которая выявляет признаки автоматически, т. е. чтобы процесс выбора признаков был функцией только алгоритма обучения, что и предполагается сделать.

Рассмотрим проблему распознавания ЛГ-меряого об­ раза, где вполне вероятно, что все N признаков линей­ но независимы, однако еще не известно, какие признаки относятся к данному образу и какие следует сохранить при изменении размерности.

Допустим, что k —возможные классы, а задача уст­ ройства распознавания заключается в построении спо­ соба классификации, основанного на соотнесении выбор­ ки, имеющей разность N, к одному из k эталонов, описываемых .векторами Pk также размерности N. Про­ цесс обучения распознаванию строится таким образом, чтобы максимизировать расстояние между эталонами классов, поворачивая пространство признаков.

Процесс обучения может эффективно строиться на основе метода анализа основных компонент [149—155]. Этот метод эквивалентен получению ортогональных пре­ образований обобщенного спектрального анализа, кото­ рый отображает пространство исходных признаков об­ раза в новое пространство признаков образа, где новые базисные векторы или размерные оси призна­ ков являются векторами, составляющими ортогональ­ ную. матрицу. Такое преобразование представляет собой поворот .координат в N-мериом пространстве в

87

Новое положение, когда координаты составят ортого­ нальную систему в пространстве с той же размерностью N. В этом случае для ряда изображений могут быть найдены такие параметры преобразования («углы пово­ рота» координат), при которых описание объекта рас­ познавания может быть представлено меньшим числом более информативных признаков.

• Анализ размерности пространства, полученного по­ воротом исходного пространства признаков, можно осу^ ществлять исходя из максимизации расхождения раз­ мерности первоначального пространства признаков и пространства признаков после поворота координат. С этой целью вводится понятие критерия «активности» (активность изменения размерности пространства в ре­ зультате преобразования определяется значением дис­ персии между размерностью исходного и преобразован­ ного пространства, взятой по всем k эталонам).

Для каждого рассматриваемого преобразования по­ лучают значение дисперсии о2* при переходе от исход­ ного пространства размерностью N к преобразованному пространству признаков. Если системы координат упо­ рядочены в соответствии с расхождениями размерностей исходного и преобразованного пространств, то система координат с размерностью М, имеющая наибольшую дисперсию в размерности, является наиболее предпоч­ тительной.

Обычно M<^N, и уменьшение размерности простран­ ства признаков определяется отношением N/M. В мат­ ричной записи вектор Pk эталона преобразуется пово­ ротом системы координат в вектор Vk эталона:

Pk[Ti]= Vk,

a2i= Е{(Vi—E{Vг})2}, 1, 2

здесь Е{...} — оператор математического ожидания, взятый относительно всех k эталонов для каждой изме­ ненной размерности, обозначенной i. Множество М наи­ более активных элементов или размерностей определя­ ется как множество, обеспечивающее последователь­ ность максимальных расхождений s.

Выполнив изложенные ортогональные преобразова­ ния (поворот системы координат), получим ряд про­ странств, в которых описание анализируемого изобра­

88

жения может быть представлено меньшим числом при­ знаков, чем в исходном изображении. Для того чтобы выбрать предпочтительное преобразование, можно най­ ти множество максимальных расхождений s(l) между размерностями исходного и преобразованных про­ странств (/ — число поворотов системы координат) и выбрать преобразование, которое минимизирует s(l) относительно всех ./. Соответствующее ортогональное

Рис. 32. Виды дефектов кристаллов ИС:

/ —«раковина»; 2 — «царапина:»; 3 — «выкол»; 4 — «вкрапление»; . 5 — «на­ рост» ; 6 — «разрыв»; 7 — «перемычка»; 8 — «скол»; 9 — «частица»

преобразование »можно осуществить, используя преобра­ зования Фурье (т. е. обычного спектрального анализа сигнала изображения), Уолша и Адамара [156—160].

После преобразования рассматриваемое изображе­ ние представляется в пространстве признаков F, состоя­ щем из относительно малого числа признаков, но каж­ дая выборка в новом пространстве признаков теорети­ чески имеет большую энтропию, чем в исходном пространстве образов Р.

Для распознавания оптических изображений широко используются также методы, основанные на анализе отдельных участков изображений [125].

Предметом распознавания в нашем случае должны быть дефекты (рис. 32). Дефекты ИС делятся на допус­ тимые (не приводящие к значительному ухудшению на­

«9

дежности ИС) и недопустимые (.наличие хотя бы одного такого дефекта делает ИС негодной).

Дефекты «пустота», «разрыв», «перемычка», «части­ ца» (если последняя расположена в области контактной площадки) считаются недопустимыми. Допустимыми принято считать дефекты «раковина», «царапина», «выкол», если ширина фигуры металлизации при наличии одного из этих дефектов уменьшается не более чем на 1/3 номинальной (в противном случае они становятся

Рис. 33. Критерии распознавания недопустимых дефектов

недопустимыми) (рис. 33,а—в). Дефекты «нарост» и «вкрапление» считаются недопустимыми, если мини­ мальное расстояние этих дефектов до ближайшей фигу­ ры металлизации меньше минимально допустимого для данного типа ИС (рис. 33,г). Дефект «скол» считается недопустимым, если расстояние от любой ближайшей периферийной фигуры металлизации, исключая распо­ ложенные по углам реперы, до данного скола меньше, чем минимально допустимое для данного типа ИС (рис.- 33,д).

90