JPH06325181A - パターン認識方法 - Google Patents
パターン認識方法Info
- Publication number
- JPH06325181A JPH06325181A JP5114807A JP11480793A JPH06325181A JP H06325181 A JPH06325181 A JP H06325181A JP 5114807 A JP5114807 A JP 5114807A JP 11480793 A JP11480793 A JP 11480793A JP H06325181 A JPH06325181 A JP H06325181A
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- vector
- pattern vector
- recognition method
- basic
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; 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
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; 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
- G06T2207/30148—Semiconductor; IC; Wafer
-
- H—ELECTRICITY
- H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
- H10P—GENERIC PROCESSES OR APPARATUS FOR THE MANUFACTURE OR TREATMENT OF DEVICES COVERED BY CLASS H10
- H10P74/00—Testing or measuring during manufacture or treatment of wafers, substrates or devices
- H10P74/20—Testing or measuring during manufacture or treatment of wafers, substrates or devices characterised by the properties tested or measured, e.g. structural or electrical properties
- H10P74/203—Structural properties, e.g. testing or measuring thicknesses, line widths, warpage, bond strengths or physical defects
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
(57)【要約】
【目的】 パターンのズレや照明光の変動に影響されず
にパターンの類似度を認識できると共に、パターンの類
似度の検出感度を可変にできるパターン認識方法を得
る。さらに、直接比較できない数値で表現された対象に
対してもパターンの類似度を求めることができるパター
ン認識方法を得る。 【構成】 基準位置にある基本パターンベクトルとそれ
を移動して得られる複数のパターンベクトルで張られる
線形部分空間に、テストパターンベクトルを射影するこ
とで、類似度の計算する。また、正規化フィルタを用い
た後の画像をパターンベクトルとする。また、パターン
ベクトルの次元を調整することで、認識検出の感度を可
変する。また、直接比較できない数値で表現された対象
に対しては、そのデータを画像に変換してパターンベク
トルとする。
にパターンの類似度を認識できると共に、パターンの類
似度の検出感度を可変にできるパターン認識方法を得
る。さらに、直接比較できない数値で表現された対象に
対してもパターンの類似度を求めることができるパター
ン認識方法を得る。 【構成】 基準位置にある基本パターンベクトルとそれ
を移動して得られる複数のパターンベクトルで張られる
線形部分空間に、テストパターンベクトルを射影するこ
とで、類似度の計算する。また、正規化フィルタを用い
た後の画像をパターンベクトルとする。また、パターン
ベクトルの次元を調整することで、認識検出の感度を可
変する。また、直接比較できない数値で表現された対象
に対しては、そのデータを画像に変換してパターンベク
トルとする。
Description
【０００１】
【産業上の利用分野】この発明は、例えば、目視検査を
自動化する時などに用いられるパターン認識方法に関す
るものである。
自動化する時などに用いられるパターン認識方法に関す
るものである。
【０００２】
【従来の技術】図１９は、テレビジョン学会誌「超ＬＳ
Ｉウエハ表面欠陥検査装置」，第３６巻，第１号，第３
８頁〜第４４頁に示された従来のウェハ表面欠陥検査装
置を示すブロック図である。図において、２は検査対象
である被検査ウェハ、３は被検査ウェハ２を移動させる
移動機構、４は被検査ウェハ２の表面のパターンを拡大
して見るための顕微鏡、５は顕微鏡４で拡大されたウェ
ハ表面の画像を取り込むＣＣＤカメラ、６はＣＣＤカメ
ラ５で取り込まれた画像をモニタするディスプレイ、２
０はＣＣＤカメラ５で取り込まれた画像から傷を識別す
るための傷識別回路、１１は検査結果を表示する表示装
置である。
Ｉウエハ表面欠陥検査装置」，第３６巻，第１号，第３
８頁〜第４４頁に示された従来のウェハ表面欠陥検査装
置を示すブロック図である。図において、２は検査対象
である被検査ウェハ、３は被検査ウェハ２を移動させる
移動機構、４は被検査ウェハ２の表面のパターンを拡大
して見るための顕微鏡、５は顕微鏡４で拡大されたウェ
ハ表面の画像を取り込むＣＣＤカメラ、６はＣＣＤカメ
ラ５で取り込まれた画像をモニタするディスプレイ、２
０はＣＣＤカメラ５で取り込まれた画像から傷を識別す
るための傷識別回路、１１は検査結果を表示する表示装
置である。
【０００３】次に従来の検査装置の作用及び動作につい
て説明する。図２０はこの検査装置の処理を示すフロー
チャートである。まず、ＣＣＤカメラ５で撮影した被検
査ウエハ２の画像データを取り込み（ＳＴ１）、前処理
として画像データを微分し、その結果を２値化して境界
抽出処理を行なう（ＳＴ２）。次に得られた微分２値画
像に対し、同一画面内でパターンの繰り返し距離だけ隔
たった部分にマッチング枠(Ａ枠、Ｂ枠)を設ける（ＳＴ
３）。次にＡ、Ｂ枠内の同じ位置の画素を比較し（ＳＴ
４）、両画素の値が異なれば（ＳＴ５）どちらかのマッ
チング枠内に欠陥があると判定し（ＳＴ６）、同じなら
ばマッチング枠内に欠陥がないと判定する（ＳＴ７）。
このマッチング枠を移動させて全画面の検査を行なう
（ＳＴ８）。
て説明する。図２０はこの検査装置の処理を示すフロー
チャートである。まず、ＣＣＤカメラ５で撮影した被検
査ウエハ２の画像データを取り込み（ＳＴ１）、前処理
として画像データを微分し、その結果を２値化して境界
抽出処理を行なう（ＳＴ２）。次に得られた微分２値画
像に対し、同一画面内でパターンの繰り返し距離だけ隔
たった部分にマッチング枠(Ａ枠、Ｂ枠)を設ける（ＳＴ
３）。次にＡ、Ｂ枠内の同じ位置の画素を比較し（ＳＴ
４）、両画素の値が異なれば（ＳＴ５）どちらかのマッ
チング枠内に欠陥があると判定し（ＳＴ６）、同じなら
ばマッチング枠内に欠陥がないと判定する（ＳＴ７）。
このマッチング枠を移動させて全画面の検査を行なう
（ＳＴ８）。
【０００４】
【発明が解決しようとする課題】上記のような従来方法
では、パターンの繰り返し性を用いて同一ウェハ内の隣
合った２つのパターンが異なっているかどうかを判別す
るだけなので、どちらのパターンに欠陥が含まれている
かの判定ができない。さらに、Ａ、Ｂ枠間の距離をパタ
ーンの繰り返し距離に正確に一致させる必要があり、半
導体のような微細なパターンに対しては枠の位置決め精
度を確保するのが困難である。また、入力画像を微分し
それを２値化するので、画像に含まれるノイズや照明光
の変動により画素の輝度値が反転する場合があり、その
結果欠陥の判定に誤りが生じるなどの問題点があった。
では、パターンの繰り返し性を用いて同一ウェハ内の隣
合った２つのパターンが異なっているかどうかを判別す
るだけなので、どちらのパターンに欠陥が含まれている
かの判定ができない。さらに、Ａ、Ｂ枠間の距離をパタ
ーンの繰り返し距離に正確に一致させる必要があり、半
導体のような微細なパターンに対しては枠の位置決め精
度を確保するのが困難である。また、入力画像を微分し
それを２値化するので、画像に含まれるノイズや照明光
の変動により画素の輝度値が反転する場合があり、その
結果欠陥の判定に誤りが生じるなどの問題点があった。
【０００５】この発明は上記のような問題点を解消する
ためになされたもので、パターンのズレや照明光の変動
に影響されず、微細なパターンに対しても精度よく認識
結果を得ることができるパターン認識方法を得ることを
目的としている。また、パターン中の欠陥の検出感度を
可変にできるパターン認識方法を得ることを目的として
いる。また、最小座標分解能が異なるＣＡＤデータ間の
比較のように、直接比較できない数値で表現された対象
に対してもパターンの類似度を求めることができるパタ
ーン認識方法を得ることを目的としている。さらに、移
動によるズレのみでなく、パターンの回転によるズレに
も影響されることのなく類似度を求めることができるパ
ターン認識方法を得ることを目的としている。
ためになされたもので、パターンのズレや照明光の変動
に影響されず、微細なパターンに対しても精度よく認識
結果を得ることができるパターン認識方法を得ることを
目的としている。また、パターン中の欠陥の検出感度を
可変にできるパターン認識方法を得ることを目的として
いる。また、最小座標分解能が異なるＣＡＤデータ間の
比較のように、直接比較できない数値で表現された対象
に対してもパターンの類似度を求めることができるパタ
ーン認識方法を得ることを目的としている。さらに、移
動によるズレのみでなく、パターンの回転によるズレに
も影響されることのなく類似度を求めることができるパ
ターン認識方法を得ることを目的としている。
【０００６】
【課題を解決するための手段】請求項１の発明に係わる
パターン認識方法は、基本パターンベクトルとそれを移
動して得られる複数のパターンベクトルで張られる線形
部分空間へテストパターンベクトルを射影し、その結果
得られた線形部分空間の補空間に含まれるベクトルのノ
ルムを用いて、基本パターンベクトルとテストパターン
ベクトルの類似度を測ることを特徴とするものである。
パターン認識方法。
パターン認識方法は、基本パターンベクトルとそれを移
動して得られる複数のパターンベクトルで張られる線形
部分空間へテストパターンベクトルを射影し、その結果
得られた線形部分空間の補空間に含まれるベクトルのノ
ルムを用いて、基本パターンベクトルとテストパターン
ベクトルの類似度を測ることを特徴とするものである。
パターン認識方法。
【０００７】また、請求項２の発明に係わるパターン認
識方法は、請求項１において、線形部分空間を張るパタ
ーンベクトルの数をパターンベクトルの次元よりも小さ
くすることを特徴とするものである。
識方法は、請求項１において、線形部分空間を張るパタ
ーンベクトルの数をパターンベクトルの次元よりも小さ
くすることを特徴とするものである。
【０００８】また、請求項３の発明に係わるパターン認
識方法は、請求項１において、パターンベクトルの次元
を変化させることにより、類似度の検出感度を可変にし
たことを特徴とするものである。
識方法は、請求項１において、パターンベクトルの次元
を変化させることにより、類似度の検出感度を可変にし
たことを特徴とするものである。
【０００９】また、請求項４の発明に係わるパターン認
識方法は、請求項１において、座標が数値データで表さ
れる図形を前処理して画像に変換し、これをパターンベ
クトルとして用いることを特徴とするものである。
識方法は、請求項１において、座標が数値データで表さ
れる図形を前処理して画像に変換し、これをパターンベ
クトルとして用いることを特徴とするものである。
【００１０】また、請求項５の発明に係わるパターン認
識方法は、請求項１において、パターンベクトルを正規
化フィルタに通し、これを新たなパターンベクトルとし
て用いることを特徴とするものである。
識方法は、請求項１において、パターンベクトルを正規
化フィルタに通し、これを新たなパターンベクトルとし
て用いることを特徴とするものである。
【００１１】また、請求項６の発明に係わるパターン認
識方法は、基本パターンベクトルとそれを移動して得ら
れる複数のパターンベクトルで張られる線形部分空間へ
テストパターンベクトルを射影し、その結果得られた線
形部分空間に含まれるベクトルのノルムを用いて、基本
パターンベクトルとテストパターンベクトルの類似度を
測ることを特徴とするものである。
識方法は、基本パターンベクトルとそれを移動して得ら
れる複数のパターンベクトルで張られる線形部分空間へ
テストパターンベクトルを射影し、その結果得られた線
形部分空間に含まれるベクトルのノルムを用いて、基本
パターンベクトルとテストパターンベクトルの類似度を
測ることを特徴とするものである。
【００１２】また、請求項７の発明に係わるパターン認
識方法は、基本パターンベクトルとそれを回転して得ら
れる複数のパターンベクトルで張られる線形部分空間へ
画像シフタを通したテストパターンベクトルを射影し、
その結果得られた線形部分空間に含まれるベクトルのノ
ルムを用いて、基本パターンベクトルとテストパターン
ベクトルの類似度を測ることを特徴とするものである。
識方法は、基本パターンベクトルとそれを回転して得ら
れる複数のパターンベクトルで張られる線形部分空間へ
画像シフタを通したテストパターンベクトルを射影し、
その結果得られた線形部分空間に含まれるベクトルのノ
ルムを用いて、基本パターンベクトルとテストパターン
ベクトルの類似度を測ることを特徴とするものである。
【００１３】
【作用】この発明におけるパターン認識方法は、基本と
するパターンベクトルとこれをずらして得られる複数の
パターンベクトルで張られる線形部分空間を用いて類似
度を測るので、ベクトルの線形従属性の性質によりパタ
ーンベクトルのズレの影響が現れない。また、正規化フ
ィルタにより照明光の変動が画像の輝度値変動として現
れるのを防止できる。また、パターンベクトルの次元を
変えることで、欠陥を表すベクトル要素の数と欠陥でな
いベクトル要素の数の比率が変化するので欠陥検出の感
度が可変にできる。また、直接比較できない数値を画像
に変換してパターンベクトルとして表せば、上で述べた
認識方法がそのまま適用できる。
するパターンベクトルとこれをずらして得られる複数の
パターンベクトルで張られる線形部分空間を用いて類似
度を測るので、ベクトルの線形従属性の性質によりパタ
ーンベクトルのズレの影響が現れない。また、正規化フ
ィルタにより照明光の変動が画像の輝度値変動として現
れるのを防止できる。また、パターンベクトルの次元を
変えることで、欠陥を表すベクトル要素の数と欠陥でな
いベクトル要素の数の比率が変化するので欠陥検出の感
度が可変にできる。また、直接比較できない数値を画像
に変換してパターンベクトルとして表せば、上で述べた
認識方法がそのまま適用できる。
【００１４】
実施例１．この発明の実施例１によるパタ−ン認識方法
を用いたウェハ欠陥検査装置について説明する。図１は
このウェハ欠陥検査装置を示すブロック図である。図に
おいて、１は基本パターンベクトルを作成するための良
品のウェハ、２は検査対象である被検査ウェハで、これ
からテストパターンベクトルを作成する。３はウェハ
１、２を移動させる移動機構、４はウェハ表面のパター
ンを拡大して見るための顕微鏡、５は顕微鏡４で拡大さ
れたウェハ表面の画像を取り込むＣＣＤカメラ、６はＣ
ＣＤカメラ５で取り込まれた画像をモニタするためのデ
ィスプレイ、７はＣＣＤカメラ５で取り込まれた画像を
Ａ／Ｄ変換してディジタル化する画像入力装置、８はそ
の画像データを格納するフレームメモリ、９はフレーム
メモリ８の画像データを用いて後述するパターン認識方
法の手順により良品ウェハ１のパターンと被検査ウェハ
２のパターンの類似度を計算する中央演算装置（以下Ｃ
ＰＵと記す）、１０は計算プログラムや途中結果を格納
するメモリ、１１は検査結果を表示する表示装置であ
る。
を用いたウェハ欠陥検査装置について説明する。図１は
このウェハ欠陥検査装置を示すブロック図である。図に
おいて、１は基本パターンベクトルを作成するための良
品のウェハ、２は検査対象である被検査ウェハで、これ
からテストパターンベクトルを作成する。３はウェハ
１、２を移動させる移動機構、４はウェハ表面のパター
ンを拡大して見るための顕微鏡、５は顕微鏡４で拡大さ
れたウェハ表面の画像を取り込むＣＣＤカメラ、６はＣ
ＣＤカメラ５で取り込まれた画像をモニタするためのデ
ィスプレイ、７はＣＣＤカメラ５で取り込まれた画像を
Ａ／Ｄ変換してディジタル化する画像入力装置、８はそ
の画像データを格納するフレームメモリ、９はフレーム
メモリ８の画像データを用いて後述するパターン認識方
法の手順により良品ウェハ１のパターンと被検査ウェハ
２のパターンの類似度を計算する中央演算装置（以下Ｃ
ＰＵと記す）、１０は計算プログラムや途中結果を格納
するメモリ、１１は検査結果を表示する表示装置であ
る。
【００１５】以下に全体の概略的な動作について説明す
る。図２はこの装置における処理を示すフローチャート
である。良品ウェハ１を移動機構３に乗せてウェハ全面
をＣＣＤカメラ５で走査し、その画像データをフレーム
メモリ８に格納する（ＳＴ９）。このデータに基き、後
述する方法で基本パターンベクトルの集合を求め（ＳＴ
１０）、線形部分空間Ｌを作る（ＳＴ１１）。次に、被
検査ウェハ２を移動機構３に乗せてウェハ全面を走査し
ながら（ＳＴ１２）、後述するパターン認識方法の手順
により良品ウェハ１のパターンと被検査ウェハ２のパタ
ーンの類似度を計算し（ＳＴ１３）、しきい値と比較す
る（ＳＴ１４）。この結果、類似度がしきい値よりも小
さければ欠陥があると判断し（ＳＴ１５）、しきい値よ
りも大きければ欠陥が無いと判断し（ＳＴ１６）、その
結果を表示装置１１に表示する。この動作をウェハ全体
の検査が終わるまで続ける（ＳＴ１７）。
る。図２はこの装置における処理を示すフローチャート
である。良品ウェハ１を移動機構３に乗せてウェハ全面
をＣＣＤカメラ５で走査し、その画像データをフレーム
メモリ８に格納する（ＳＴ９）。このデータに基き、後
述する方法で基本パターンベクトルの集合を求め（ＳＴ
１０）、線形部分空間Ｌを作る（ＳＴ１１）。次に、被
検査ウェハ２を移動機構３に乗せてウェハ全面を走査し
ながら（ＳＴ１２）、後述するパターン認識方法の手順
により良品ウェハ１のパターンと被検査ウェハ２のパタ
ーンの類似度を計算し（ＳＴ１３）、しきい値と比較す
る（ＳＴ１４）。この結果、類似度がしきい値よりも小
さければ欠陥があると判断し（ＳＴ１５）、しきい値よ
りも大きければ欠陥が無いと判断し（ＳＴ１６）、その
結果を表示装置１１に表示する。この動作をウェハ全体
の検査が終わるまで続ける（ＳＴ１７）。
【００１６】以下に、メモリ１０に格納されているプロ
グラムで行なうパターン認識方法について説明する。ま
ず、ＳＴ１０における処理で、画像データからパターン
ベクトルを作成する方法について述べる。例えば、図３
のパターンを例に取って基本パターンベクトルとそれを
移動した複数のパターンベクトルについて説明する。こ
の例では±１画素の位置ズレを許容するように、基準位
置の基本パターンベクトル（ｅ）と位置ズレした８個の
パターンベクトル｛（ａ）〜（ｄ），（ｆ）〜（ｉ）｝
を用いる。これら９個のパターンベクトルは、基本パタ
ーンベクトル（ｅ）と、この基本パターンベクトル
（ｅ）を上下左右に１画素ずつずらしたものであり、こ
こでは基本パターンベクトルの集合と記すことにする。
これらのパターンは６×６画素で構成されており、これ
ら３６画素の輝度値を１列に並べた３６次元ベクトルを
パターンベクトルとしている。輝度値の並べ方の一例と
して、図４に示すようにパターンの上から順に、右方向
に並べる。図３の（ｅ）のパターンの場合、白の部分を
０、黒の部分を１とすると基本パターンベクトルＸ5 は
式１のようになる。
グラムで行なうパターン認識方法について説明する。ま
ず、ＳＴ１０における処理で、画像データからパターン
ベクトルを作成する方法について述べる。例えば、図３
のパターンを例に取って基本パターンベクトルとそれを
移動した複数のパターンベクトルについて説明する。こ
の例では±１画素の位置ズレを許容するように、基準位
置の基本パターンベクトル（ｅ）と位置ズレした８個の
パターンベクトル｛（ａ）〜（ｄ），（ｆ）〜（ｉ）｝
を用いる。これら９個のパターンベクトルは、基本パタ
ーンベクトル（ｅ）と、この基本パターンベクトル
（ｅ）を上下左右に１画素ずつずらしたものであり、こ
こでは基本パターンベクトルの集合と記すことにする。
これらのパターンは６×６画素で構成されており、これ
ら３６画素の輝度値を１列に並べた３６次元ベクトルを
パターンベクトルとしている。輝度値の並べ方の一例と
して、図４に示すようにパターンの上から順に、右方向
に並べる。図３の（ｅ）のパターンの場合、白の部分を
０、黒の部分を１とすると基本パターンベクトルＸ5 は
式１のようになる。
【００１７】 Ｘ5 ＝［０，０，０，０，０，０，０，０，１，０，０，０， ０，１，１，０，１，０，０，１，１，１，１，０， ０，０，１，０，０，０，０，０，０，０，０，０］T ・・（１） ここで、Ｔは転置を表す。
【００１８】基本パターンベクトルの集合Ｘi （ｉ＝
１，９）は、図３の９個のパターンを式１の様に表現し
た９個のベクトルである。
１，９）は、図３の９個のパターンを式１の様に表現し
た９個のベクトルである。
【００１９】以上のようなパターンベクトルを用いてＳ
Ｔ１１〜ＳＴ１３におけるパターン認識の方法を一般化
して述べると以下のようになる。検査の基準となるｎ次
元の基本パターンベクトルを良品ウェハ１のパターンか
ら求める。この基本パターンベクトルとこれを移動して
得られる複数パターンベクトル、合計ｍ個で構成される
基本パターンベクトルの集合を考える。これらｍ個のパ
ターンベクトルで張られる線形部分空間をＬとする。こ
の線形部分空間Ｌは式２で表される。図３における例で
はｍ＝９，ｎ＝３６である。
Ｔ１１〜ＳＴ１３におけるパターン認識の方法を一般化
して述べると以下のようになる。検査の基準となるｎ次
元の基本パターンベクトルを良品ウェハ１のパターンか
ら求める。この基本パターンベクトルとこれを移動して
得られる複数パターンベクトル、合計ｍ個で構成される
基本パターンベクトルの集合を考える。これらｍ個のパ
ターンベクトルで張られる線形部分空間をＬとする。こ
の線形部分空間Ｌは式２で表される。図３における例で
はｍ＝９，ｎ＝３６である。
【００２０】
【数１】
【００２１】一方、被検査ウェハ２のパターンを同様に
ｎ次元ベクトルで表し、テストパターンベクトルＸを得
る。ここで、ＸをＬに射影し、Ｌの補空間Ｌc に属する
ベクトルＸc を求める。Ｘが基本パターンベクトルに類
似していれば、ＸはＸi のいずれかのパターンにほぼ等
しくなり、線形部分空間Ｌにおおむね含まれる。ところ
が、もしＸが基本パターンベクトルと異なる要素を持て
ば、Ｘは線形部分空間Ｌには含まれず、その異なった要
素のためにＬの補空間Ｌc に属するベクトルＸc が存在
する。従って、ＸをＬに射影しＸc のノルム｜Ｘc ｜に
マイナス符号を付けたものが、基本パターンベクトルと
テストパターンベクトルの類似度を表す。即ち、−｜Ｘ
c ｜が小さいほど類似度が小さく、異なる要素が多いこ
とになる。そこで、被検査ウェハ２に対する−｜Ｘc ｜
を計算し、その値から欠陥の有無を判定することができ
る。ノルムとしては数学上のノルムの定義を満足するも
のであれば、何を用いても良く、Ｌ２ノルム｛（Ｘc ）
T Ｘc ｝0.5 はその代表的なものである。
ｎ次元ベクトルで表し、テストパターンベクトルＸを得
る。ここで、ＸをＬに射影し、Ｌの補空間Ｌc に属する
ベクトルＸc を求める。Ｘが基本パターンベクトルに類
似していれば、ＸはＸi のいずれかのパターンにほぼ等
しくなり、線形部分空間Ｌにおおむね含まれる。ところ
が、もしＸが基本パターンベクトルと異なる要素を持て
ば、Ｘは線形部分空間Ｌには含まれず、その異なった要
素のためにＬの補空間Ｌc に属するベクトルＸc が存在
する。従って、ＸをＬに射影しＸc のノルム｜Ｘc ｜に
マイナス符号を付けたものが、基本パターンベクトルと
テストパターンベクトルの類似度を表す。即ち、−｜Ｘ
c ｜が小さいほど類似度が小さく、異なる要素が多いこ
とになる。そこで、被検査ウェハ２に対する−｜Ｘc ｜
を計算し、その値から欠陥の有無を判定することができ
る。ノルムとしては数学上のノルムの定義を満足するも
のであれば、何を用いても良く、Ｌ２ノルム｛（Ｘc ）
T Ｘc ｝0.5 はその代表的なものである。
【００２２】射影として直交射影を用いた場合、Ｘの直
交補空間Ｌc に属するベクトルＸcは以下のような式で
求められる。 １） 式３によってｍ個の基本パターンベクトルＸi
（ｉ＝１，・・・，ｍ）の集合から線形部分空間Ｌを張
る直交ベクトル列Ｈi （ｉ＝１，・・・，ｍ）を求め
る。
交補空間Ｌc に属するベクトルＸcは以下のような式で
求められる。 １） 式３によってｍ個の基本パターンベクトルＸi
（ｉ＝１，・・・，ｍ）の集合から線形部分空間Ｌを張
る直交ベクトル列Ｈi （ｉ＝１，・・・，ｍ）を求め
る。
【００２３】
【数２】
【００２４】ただし、（Ｘi ，Ｈk ）はＸi とＨk の内
積を表したもので、式３の計算の途中で｜Ｈi ｜＝０に
なった場合、Ｘi はＸ1 からＸi-1 の線形結合として表
されるので、Ｘi を捨てＸi+1 について計算を続け
る。 ２） テストパターンベクトルＸをＬへ直交射影し、式
４によりＸc を求める。
積を表したもので、式３の計算の途中で｜Ｈi ｜＝０に
なった場合、Ｘi はＸ1 からＸi-1 の線形結合として表
されるので、Ｘi を捨てＸi+1 について計算を続け
る。 ２） テストパターンベクトルＸをＬへ直交射影し、式
４によりＸc を求める。
【００２５】
【数３】
【００２６】ｍ’は直交ベクトル列Ｈi の個数を表す。
１）で述べたように式３の計算の途中で｜Ｈi ｜＝０に
なった場合は、ｍ’はｍより小さくなり、そうでない場
合はｍ’＝ｍとなる。
１）で述べたように式３の計算の途中で｜Ｈi ｜＝０に
なった場合は、ｍ’はｍより小さくなり、そうでない場
合はｍ’＝ｍとなる。
【００２７】３） ＳＴ１４におけるで処理で−｜Ｘc
｜を評価して欠陥の有無を判定する。適当なしきい値ε
を設定し、 −｜Ｘc ｜≦ε ：欠陥あり（ＳＴ１５） −｜Ｘc ｜＞ε ：欠陥なし（ＳＴ１６） ・・・（５） とする。
｜を評価して欠陥の有無を判定する。適当なしきい値ε
を設定し、 −｜Ｘc ｜≦ε ：欠陥あり（ＳＴ１５） −｜Ｘc ｜＞ε ：欠陥なし（ＳＴ１６） ・・・（５） とする。
【００２８】これまでに述べた方法の有効性を示すため
の２つの結果を示す。まず、欠陥の程度が｜Ｘc ｜にど
の様な影響を及ぼすかについて述べる。図５（ａ）に示
す３２×１６画素のウェハパターンを検査する場合を考
える。図で示されるウェハパターンの各画素の明るさ
は、縦線の密度によって３段階に表現されている。斜線
Ａは０．２５，斜線Ｂは０．５，一点斜線Ｃは１．０を
表す。背景とウェハパターンの外側の明るさは０であ
る。ウェハパターンを図５（ｂ）に示すように８分割
し、４×１６画素を１回の処理単位、即ち、パターンベ
クトルの次元を６４として、８個のテストパターンベク
トルについて別々に検査を行なう。ここでは、処理単位
それぞれについて、±１画素の位置ズレを許容するため
に、上下左右方向に１画素ずらした９個のパターンベク
トルを基本パターンベクトルの集合として用いる。
の２つの結果を示す。まず、欠陥の程度が｜Ｘc ｜にど
の様な影響を及ぼすかについて述べる。図５（ａ）に示
す３２×１６画素のウェハパターンを検査する場合を考
える。図で示されるウェハパターンの各画素の明るさ
は、縦線の密度によって３段階に表現されている。斜線
Ａは０．２５，斜線Ｂは０．５，一点斜線Ｃは１．０を
表す。背景とウェハパターンの外側の明るさは０であ
る。ウェハパターンを図５（ｂ）に示すように８分割
し、４×１６画素を１回の処理単位、即ち、パターンベ
クトルの次元を６４として、８個のテストパターンベク
トルについて別々に検査を行なう。ここでは、処理単位
それぞれについて、±１画素の位置ズレを許容するため
に、上下左右方向に１画素ずらした９個のパターンベク
トルを基本パターンベクトルの集合として用いる。
【００２９】例えば、シミュレーションの条件は次のよ
うに設定した。 （１）欠陥画素の個数を１〜１０個に変化させる。 （２）欠陥画素の輝度値を減じて欠陥の程度を変化させ
る。 例えば それぞれの画素の輝度値を２５％、５０％、７
５％減じる。ただし、輝度値が０の画素は逆に２５％、
５０％、７５％増加させる。
うに設定した。 （１）欠陥画素の個数を１〜１０個に変化させる。 （２）欠陥画素の輝度値を減じて欠陥の程度を変化させ
る。 例えば それぞれの画素の輝度値を２５％、５０％、７
５％減じる。ただし、輝度値が０の画素は逆に２５％、
５０％、７５％増加させる。
【００３０】テストパターンベクトルは基本パターンベ
クトルの集合から乱数で一つのパターンベクトルを選択
し、それに乱数で指定された画素にあらかじめ設定した
数だけの欠陥を発生させたものである。図６にシミュレ
ーション結果を示す。図６（ａ）は欠陥の程度が７５
％、図６（ｂ）は５０％、図６（ｃ）は２５％の場合で
あり、グラフの縦軸は｜Ｘc ｜の大きさを表し、横軸は
欠陥画素の個数を表す。図中の８本の曲線はそれぞれ８
個のテストパターンベクトルに対応する。図からわかる
ように、欠陥の程度が大きいほど｜Ｘc ｜の値も大きく
なっている。この傾向はテストパターンベクトルの違い
によらず同じである。これらの結果から｜Ｘc ｜の大き
さを評価することで欠陥の有無を検出できることがわか
る。
クトルの集合から乱数で一つのパターンベクトルを選択
し、それに乱数で指定された画素にあらかじめ設定した
数だけの欠陥を発生させたものである。図６にシミュレ
ーション結果を示す。図６（ａ）は欠陥の程度が７５
％、図６（ｂ）は５０％、図６（ｃ）は２５％の場合で
あり、グラフの縦軸は｜Ｘc ｜の大きさを表し、横軸は
欠陥画素の個数を表す。図中の８本の曲線はそれぞれ８
個のテストパターンベクトルに対応する。図からわかる
ように、欠陥の程度が大きいほど｜Ｘc ｜の値も大きく
なっている。この傾向はテストパターンベクトルの違い
によらず同じである。これらの結果から｜Ｘc ｜の大き
さを評価することで欠陥の有無を検出できることがわか
る。
【００３１】次に、この実施例によるパタ−ン認識方法
がパターンの位置ズレの影響を受けないことを示す。ウ
ェハの位置ズレがどの程度｜Ｘc ｜に影響を与えるかを
調べるために、ウェハの実画像を用いて実験を行なった
結果について述べる。ウェハの実画像の縦８画素×横１
２８画素（１０２４画素）を１回の処理単位、即ちパタ
ーンベクトルの次元を１０２４とする。基本パターンベ
クトルの集合は、処理単位の上下左右方向に±１，±２
画素位置ズレした２５のパターンベクトルから構成さ
れ、１００枚の画像データの平均画像を用いた。そし
て、同じ品種の良品ウェハを上下左右方向に０．２μｍ
毎に最大４μｍ（１画素はほぼ１μｍに相当する）移動
させ、この時の｜Ｘc ｜を評価した。図７はその結果で
ある。
がパターンの位置ズレの影響を受けないことを示す。ウ
ェハの位置ズレがどの程度｜Ｘc ｜に影響を与えるかを
調べるために、ウェハの実画像を用いて実験を行なった
結果について述べる。ウェハの実画像の縦８画素×横１
２８画素（１０２４画素）を１回の処理単位、即ちパタ
ーンベクトルの次元を１０２４とする。基本パターンベ
クトルの集合は、処理単位の上下左右方向に±１，±２
画素位置ズレした２５のパターンベクトルから構成さ
れ、１００枚の画像データの平均画像を用いた。そし
て、同じ品種の良品ウェハを上下左右方向に０．２μｍ
毎に最大４μｍ（１画素はほぼ１μｍに相当する）移動
させ、この時の｜Ｘc ｜を評価した。図７はその結果で
ある。
【００３２】図７はウェハを移動したそれぞれの位置に
おける｜Ｘc ｜を表している。表示の関係から上下反転
して描かれているので、｜Ｘc ｜の値が小さいほど図で
は上方に描かれることになる。図から明らかなように、
｜Ｘc ｜の値は基本パターンベクトルで覆われる範囲内
（±２画素）でウエハが移動した時は小さく保たれてお
り、そこから外れるにつれて増加する。図の平坦な四角
形の中に入るようにウェハの位置合わせをすれば、基本
パターンベクトルの集合を構成する任意の２個のパター
ンベクトルの間にウェハが移動しても、位置ズレに影響
されることなく欠陥検査を行なうことができる。図８は
図７をある断面で切断したグラフである。図のＸ軸は位
置ズレの大きさ、Ｙ軸は｜Ｘc ｜の大きさを表してい
る。最大±２画素の位置ズレを考慮した場合である。位
置ズレを考慮した場合は、基本パターンベクトルの集合
で覆われている範囲では、｜Ｘc ｜の値は小さく保たれ
ており位置ズレに影響されない欠陥検出ができる。
おける｜Ｘc ｜を表している。表示の関係から上下反転
して描かれているので、｜Ｘc ｜の値が小さいほど図で
は上方に描かれることになる。図から明らかなように、
｜Ｘc ｜の値は基本パターンベクトルで覆われる範囲内
（±２画素）でウエハが移動した時は小さく保たれてお
り、そこから外れるにつれて増加する。図の平坦な四角
形の中に入るようにウェハの位置合わせをすれば、基本
パターンベクトルの集合を構成する任意の２個のパター
ンベクトルの間にウェハが移動しても、位置ズレに影響
されることなく欠陥検査を行なうことができる。図８は
図７をある断面で切断したグラフである。図のＸ軸は位
置ズレの大きさ、Ｙ軸は｜Ｘc ｜の大きさを表してい
る。最大±２画素の位置ズレを考慮した場合である。位
置ズレを考慮した場合は、基本パターンベクトルの集合
で覆われている範囲では、｜Ｘc ｜の値は小さく保たれ
ており位置ズレに影響されない欠陥検出ができる。
【００３３】以上のように、この実施例では、位置ズレ
した複数のパターンベクトルを基本パターンベクトルの
集合に含めているので、ベクトルの線形従属性の性質に
より位置ズレの影響が現れず、位置ズレ許容範囲内にお
いて、正しい認識が行なわれることがわかる。
した複数のパターンベクトルを基本パターンベクトルの
集合に含めているので、ベクトルの線形従属性の性質に
より位置ズレの影響が現れず、位置ズレ許容範囲内にお
いて、正しい認識が行なわれることがわかる。
【００３４】ところで、一般的にｎ次元のベクトル空間
には、たかだかｎ本の基底ベクトルしか存在しない。そ
のうちのｍ本をＬを張るベクトルとして使用するので、
残りのｎ−ｍ本を欠陥の成分を表すベクトルとして用い
ることができる。ｎ−ｍが大きくなるようにｎ，ｍを決
めれば、欠陥を含むテストパタ−ンが、直交ベクトル列
Ｈi の線形結合で表される部分空間Ｌに含まれる確率が
極めて低くなる。このため認識できない欠陥の個数は減
少する。従って基本パターンベクトルの集合を構成する
パターンベクトルの数ｍをパターンベクトルの次元ｎよ
りも小さくしたほうが、誤認識する確率が低くなり精度
よく認識できる。
には、たかだかｎ本の基底ベクトルしか存在しない。そ
のうちのｍ本をＬを張るベクトルとして使用するので、
残りのｎ−ｍ本を欠陥の成分を表すベクトルとして用い
ることができる。ｎ−ｍが大きくなるようにｎ，ｍを決
めれば、欠陥を含むテストパタ−ンが、直交ベクトル列
Ｈi の線形結合で表される部分空間Ｌに含まれる確率が
極めて低くなる。このため認識できない欠陥の個数は減
少する。従って基本パターンベクトルの集合を構成する
パターンベクトルの数ｍをパターンベクトルの次元ｎよ
りも小さくしたほうが、誤認識する確率が低くなり精度
よく認識できる。
【００３５】さらに、図６で示すように、欠陥画素の個
数が多くなる、即ち欠陥を表すベクトル要素の数が増え
るほど、｜Ｘc ｜の値は単調に増加している。このこと
から、パターンベクトルの次元を大きくとると、欠陥要
素のベクトル全体に対して占める割合が小さくなるの
で、欠陥の検出感度が下がり、逆にパターンベクトルの
次元を小さくとると、欠陥の検出感度が上がることがわ
かる。即ち、パターンベクトルの次元を変化させること
で、類似度の検出感度を可変にできる。
数が多くなる、即ち欠陥を表すベクトル要素の数が増え
るほど、｜Ｘc ｜の値は単調に増加している。このこと
から、パターンベクトルの次元を大きくとると、欠陥要
素のベクトル全体に対して占める割合が小さくなるの
で、欠陥の検出感度が下がり、逆にパターンベクトルの
次元を小さくとると、欠陥の検出感度が上がることがわ
かる。即ち、パターンベクトルの次元を変化させること
で、類似度の検出感度を可変にできる。
【００３６】また、式１ではパターンベクトルの要素と
して画素の輝度値を０、１の２値で表したが、輝度値を
アナログ量で表したものを用いても良い。
して画素の輝度値を０、１の２値で表したが、輝度値を
アナログ量で表したものを用いても良い。
【００３７】実施例２．実施例１に示したパターン認識
方法において、各画素の輝度値を線形及び非線形な入出
力関係を持つ正規化フィルタを通した結果をパターンベ
クトルの要素とするようにしてもよい。例えば、最大輝
度を１に最小輝度を０に対応づける正規化フィルタはそ
の代表的なものである。このような正規化フィルタを図
１に示した画像入力装置７に組み込む。図２におけるＳ
Ｔ９，ＳＴ１２で良品ウェハ，非検査ウェハの画像を取
り込む時に、画像フィルタを通してフレームメモリ８に
記憶する。このように、正規化フィルタを通した後のパ
ターンベクトルを用いて実施例１と同様にしてパターン
を認識すれば、照明光の変動による画像のコントラスト
変化の影響などを防止できる。
方法において、各画素の輝度値を線形及び非線形な入出
力関係を持つ正規化フィルタを通した結果をパターンベ
クトルの要素とするようにしてもよい。例えば、最大輝
度を１に最小輝度を０に対応づける正規化フィルタはそ
の代表的なものである。このような正規化フィルタを図
１に示した画像入力装置７に組み込む。図２におけるＳ
Ｔ９，ＳＴ１２で良品ウェハ，非検査ウェハの画像を取
り込む時に、画像フィルタを通してフレームメモリ８に
記憶する。このように、正規化フィルタを通した後のパ
ターンベクトルを用いて実施例１と同様にしてパターン
を認識すれば、照明光の変動による画像のコントラスト
変化の影響などを防止できる。
【００３８】実施例３．この発明の実施例３によるパタ
ーン認識方法を例えばＣＡＤデータの照査システムにつ
いて説明する。図９は実施例３によるＣＡＤデータの照
査システムを示すブロック図である。図において、１２
は基準となる最小座標分解能１のＣＡＤデータ、１３は
照査される最小座標分解能０．５のＣＡＤデータ、１４
はＣＡＤデータ１２，１３を画像に変換する画像変換装
置、８は変換した画像を格納するフレームメモリ、９は
ＣＰＵで、フレームメモリ８の画像を用いて、ＣＡＤデ
ータ１２から変換された画像と、ＣＡＤデータ１３から
変換された画像の類似度を計算する。１０は計算プログ
ラムや途中結果を格納するメモリ、１１は検査結果を表
示する表示装置である。
ーン認識方法を例えばＣＡＤデータの照査システムにつ
いて説明する。図９は実施例３によるＣＡＤデータの照
査システムを示すブロック図である。図において、１２
は基準となる最小座標分解能１のＣＡＤデータ、１３は
照査される最小座標分解能０．５のＣＡＤデータ、１４
はＣＡＤデータ１２，１３を画像に変換する画像変換装
置、８は変換した画像を格納するフレームメモリ、９は
ＣＰＵで、フレームメモリ８の画像を用いて、ＣＡＤデ
ータ１２から変換された画像と、ＣＡＤデータ１３から
変換された画像の類似度を計算する。１０は計算プログ
ラムや途中結果を格納するメモリ、１１は検査結果を表
示する表示装置である。
【００３９】以下、動作について説明する。ＣＡＤデー
タでは図形はその頂点の座標や線要素の長さ、曲線の曲
率などの数値データで表現されている。一つの図形が最
小座標分解能の異なるＣＡＤデータで、どのように表さ
れるかを図１０を用いて説明する。図１０に示すよう
に、太い実線で示されるＸ軸とＹ軸に平行な長方形を考
える。この長方形の４つの頂点の座標は、（１．４，
０．６）、（２．４，０．６）、（２．４，２．６）、
（１．４，２．６）である。この図形をＣＡＤデータと
して表すためには、４つの座標をＣＡＤデータの持つ最
小座標分解能にまるめる必要がある。ここでは、座標の
まるめ方として、最も近い格子点へまるめることにす
る。その場合最小座標分解能が１のＣＡＤデータ１２で
は、４つの頂点が（１，１）、（２，１）、（２，
３）、（１，３）として表され、図１０において横方向
にハッチングを施した長方形となる。一方、最小座標分
解能が０．５のＣＡＤデータ１３では、４つの頂点が
（１．５，０．５）、（２．５，０．５）、（２．５，
２．５）、（１．５，２．５）として表され、図１０に
おいて縦方向にハッチングを施した長方形となる。
タでは図形はその頂点の座標や線要素の長さ、曲線の曲
率などの数値データで表現されている。一つの図形が最
小座標分解能の異なるＣＡＤデータで、どのように表さ
れるかを図１０を用いて説明する。図１０に示すよう
に、太い実線で示されるＸ軸とＹ軸に平行な長方形を考
える。この長方形の４つの頂点の座標は、（１．４，
０．６）、（２．４，０．６）、（２．４，２．６）、
（１．４，２．６）である。この図形をＣＡＤデータと
して表すためには、４つの座標をＣＡＤデータの持つ最
小座標分解能にまるめる必要がある。ここでは、座標の
まるめ方として、最も近い格子点へまるめることにす
る。その場合最小座標分解能が１のＣＡＤデータ１２で
は、４つの頂点が（１，１）、（２，１）、（２，
３）、（１，３）として表され、図１０において横方向
にハッチングを施した長方形となる。一方、最小座標分
解能が０．５のＣＡＤデータ１３では、４つの頂点が
（１．５，０．５）、（２．５，０．５）、（２．５，
２．５）、（１．５，２．５）として表され、図１０に
おいて縦方向にハッチングを施した長方形となる。
【００４０】明らかにＣＡＤデータ１２とＣＡＤデータ
１３との座標は異なっており、単純に頂点の座標を比較
するだけではその同一性や類似性が判断できない。その
ため、以下のような手順で照査を行う。今、ＣＡＤデー
タ１２を基準データとし、ＣＡＤデータ１３を被検査デ
ータとする。図１１に実施例３における処理のフローチ
ャートを示す。まず、ＣＡＤデータ１２を画像変換装置
１４へ入力し、画像へ変換する（ＳＴ１８）。ここで、
ＣＡＤデータを用いることに対応して前処理を行う。こ
の前処理は例えば頂点の座標を線で結び、その線で囲ま
れた部分を塗りつぶす。この処理で図１２に示す画像が
得られ、この画像を用いて実施例１で述べたように基本
パターンベクトルを作成し、さらにそれを移動したパタ
ーンベクトルを含めて基本パターンベクトルの集合を得
る（ＳＴ１９）。これを用いて式３により線形部分空間
Ｌを求める（ＳＴ２０）。
１３との座標は異なっており、単純に頂点の座標を比較
するだけではその同一性や類似性が判断できない。その
ため、以下のような手順で照査を行う。今、ＣＡＤデー
タ１２を基準データとし、ＣＡＤデータ１３を被検査デ
ータとする。図１１に実施例３における処理のフローチ
ャートを示す。まず、ＣＡＤデータ１２を画像変換装置
１４へ入力し、画像へ変換する（ＳＴ１８）。ここで、
ＣＡＤデータを用いることに対応して前処理を行う。こ
の前処理は例えば頂点の座標を線で結び、その線で囲ま
れた部分を塗りつぶす。この処理で図１２に示す画像が
得られ、この画像を用いて実施例１で述べたように基本
パターンベクトルを作成し、さらにそれを移動したパタ
ーンベクトルを含めて基本パターンベクトルの集合を得
る（ＳＴ１９）。これを用いて式３により線形部分空間
Ｌを求める（ＳＴ２０）。
【００４１】次に、被検査ＣＡＤデータ１３を上記と同
様に前処理を行えば、図１３に示す画像が得られる。こ
の変換された画像データからテストパターンベクトルを
作成する（ＳＴ２１）。その結果を用いてＣＰＵ９によ
り実施例１で述べたパターン認識の手順で式４により類
似度を計算する（ＳＴ２２）。ＳＴ２２で得られた類似
度をしきい値と比較し（ＳＴ２３）、類似度がしきい値
よりも小さければ２つのＣＡＤデータは異なると判断し
（ＳＴ２４）、しきい値よりも大きければ２つのＣＡＤ
データは同一であると判断する（ＳＴ２５）。この動作
をＣＡＤデータ全体の照査が終わるまで続ける（ＳＴ２
６）。
様に前処理を行えば、図１３に示す画像が得られる。こ
の変換された画像データからテストパターンベクトルを
作成する（ＳＴ２１）。その結果を用いてＣＰＵ９によ
り実施例１で述べたパターン認識の手順で式４により類
似度を計算する（ＳＴ２２）。ＳＴ２２で得られた類似
度をしきい値と比較し（ＳＴ２３）、類似度がしきい値
よりも小さければ２つのＣＡＤデータは異なると判断し
（ＳＴ２４）、しきい値よりも大きければ２つのＣＡＤ
データは同一であると判断する（ＳＴ２５）。この動作
をＣＡＤデータ全体の照査が終わるまで続ける（ＳＴ２
６）。
【００４２】以上のように、この実施例においても、実
施例１で述べたように位置ズレした複数のパターンベク
トルを基本パターンベクトルの集合に含めているので、
ベクトルの線形従属性の性質により位置ズレの影響が現
れず、位置ズレ許容範囲内において、正しい認識が行な
われる。従って、最小座標分解能が異なるＣＡＤデータ
間の比較のように、直接比較できない数値で表現された
対象に対しても、パターンの類似度を求めることができ
る。
施例１で述べたように位置ズレした複数のパターンベク
トルを基本パターンベクトルの集合に含めているので、
ベクトルの線形従属性の性質により位置ズレの影響が現
れず、位置ズレ許容範囲内において、正しい認識が行な
われる。従って、最小座標分解能が異なるＣＡＤデータ
間の比較のように、直接比較できない数値で表現された
対象に対しても、パターンの類似度を求めることができ
る。
【００４３】実施例４．この発明の実施例４によるパタ
ーン認識方法を例えば半導体ウェハ上の電極の半田の有
無を検査する検査装置について説明する。この実施例で
は、画像として不良品のパターンを基本パターンベクト
ルとして用い、これとテストパターンベクトルとの類似
性を測るものである。
ーン認識方法を例えば半導体ウェハ上の電極の半田の有
無を検査する検査装置について説明する。この実施例で
は、画像として不良品のパターンを基本パターンベクト
ルとして用い、これとテストパターンベクトルとの類似
性を測るものである。
【００４４】図１４は実施例４による検査装置を示すブ
ロック図である。図において、１５は半田が無い不良品
のウェハ、１６は半田の有無を検査する被検査ウェハ、
３はウェハ１５，１６を移動させる移動機構、４はウェ
ハ表面のパターンを拡大して見るための顕微鏡、５は顕
微鏡４で拡大されたウェハ表面の画像を取り込むＣＣＤ
カメラ、６はＣＣＤカメラ５で取り込まれた画像をモニ
タするためのディスプレイ、７はＣＣＤカメラ５で取り
込まれた画像をＡ／Ｄ変換しディジタル化する画像入力
装置、８はその画像データを格納するフレームメモリ、
９はフレームメモリ８の画像データを用いて後述するパ
ターン認識方法の手順により不良品ウェハ１５のパター
ンと被検査ウェハ１６のパターンの類似度を計算するＣ
ＰＵ、１０は計算プログラムや途中結果を格納するメモ
リ、１１は検査結果を表示する表示装置である。
ロック図である。図において、１５は半田が無い不良品
のウェハ、１６は半田の有無を検査する被検査ウェハ、
３はウェハ１５，１６を移動させる移動機構、４はウェ
ハ表面のパターンを拡大して見るための顕微鏡、５は顕
微鏡４で拡大されたウェハ表面の画像を取り込むＣＣＤ
カメラ、６はＣＣＤカメラ５で取り込まれた画像をモニ
タするためのディスプレイ、７はＣＣＤカメラ５で取り
込まれた画像をＡ／Ｄ変換しディジタル化する画像入力
装置、８はその画像データを格納するフレームメモリ、
９はフレームメモリ８の画像データを用いて後述するパ
ターン認識方法の手順により不良品ウェハ１５のパター
ンと被検査ウェハ１６のパターンの類似度を計算するＣ
ＰＵ、１０は計算プログラムや途中結果を格納するメモ
リ、１１は検査結果を表示する表示装置である。
【００４５】以下、動作について説明する。図１５はこ
の検査装置における処理を示すフローチャートである。
まず、不良品ウェハ１５を移動機構３に乗せてウェハ全
面を走査し、その画像データをフレームメモリ８に格納
する（ＳＴ２７）。このデータを基本パターンベクトル
とし、実施例１で述べた方法でパターンベクトルの集合
を求める（ＳＴ２８）。この複数のパターンベクトルで
張られる線形部分空間Ｌを式３により求める（ＳＴ２
９）。次に、被検査ウェハ１６を移動機構３に乗せてウ
ェハ全面を走査して画像を取り込む（ＳＴ３０）。ＳＴ
３１では後述するパターン認識方法の手順により不良品
ウェハ１５のパターンと被検査ウェハ１６のパターンの
類似度を計算する。この類似度をしきい値と比較し（Ｓ
Ｔ３２）、類似度がしきい値よりも大きければ半田がな
い不良品と判断し（ＳＴ３３）、しきい値よりも小さけ
れば半田がある良品と判断する（ＳＴ３４）。この判断
結果を表示装置１１に表示する。この動作をウェハ全体
の検査が終わるまで続ける（ＳＴ３５）。
の検査装置における処理を示すフローチャートである。
まず、不良品ウェハ１５を移動機構３に乗せてウェハ全
面を走査し、その画像データをフレームメモリ８に格納
する（ＳＴ２７）。このデータを基本パターンベクトル
とし、実施例１で述べた方法でパターンベクトルの集合
を求める（ＳＴ２８）。この複数のパターンベクトルで
張られる線形部分空間Ｌを式３により求める（ＳＴ２
９）。次に、被検査ウェハ１６を移動機構３に乗せてウ
ェハ全面を走査して画像を取り込む（ＳＴ３０）。ＳＴ
３１では後述するパターン認識方法の手順により不良品
ウェハ１５のパターンと被検査ウェハ１６のパターンの
類似度を計算する。この類似度をしきい値と比較し（Ｓ
Ｔ３２）、類似度がしきい値よりも大きければ半田がな
い不良品と判断し（ＳＴ３３）、しきい値よりも小さけ
れば半田がある良品と判断する（ＳＴ３４）。この判断
結果を表示装置１１に表示する。この動作をウェハ全体
の検査が終わるまで続ける（ＳＴ３５）。
【００４６】メモリ１０に格納されているプログラムで
行うパターン認識方法について説明する。まず、ＳＴ２
７における処理で、実施例１で述べたように画像からパ
ターンベクトルを求める。検査の基準となる基本パター
ンベクトルである不良品ウェハのパターンベクトルをｎ
次元ベクトルで表現する。次にＳＴ２８で基本パターン
ベクトルとこれを移動して得られる複数パターンベクト
ルｍ個で構成される基本パターンベクトルの集合を考え
る。これらのｍ個のパターンベクトルで張られる線形部
分空間をＬとする（ＳＴ２９）。線形部分空間Ｌは式２
で表される。一方、被検査ウェハのパターンを同様にｎ
次元ベクトルで表し、テストパターンベクトルＸを得
る。ここで、ＸをＬに射影し、Ｌに属するベクトルＸh
を求める。Ｘが基本パターンベクトルに類似していれば
ＸはＸi のいずれかのパターンにほぼ等しく、線形部分
空間Ｌにおおむね含まれる。従って、ＸをＬに射影した
Ｘh のノルム｜Ｘh ｜から、基本パターンベクトルとテ
ストパターンベクトルの類似度を測ることができる。
行うパターン認識方法について説明する。まず、ＳＴ２
７における処理で、実施例１で述べたように画像からパ
ターンベクトルを求める。検査の基準となる基本パター
ンベクトルである不良品ウェハのパターンベクトルをｎ
次元ベクトルで表現する。次にＳＴ２８で基本パターン
ベクトルとこれを移動して得られる複数パターンベクト
ルｍ個で構成される基本パターンベクトルの集合を考え
る。これらのｍ個のパターンベクトルで張られる線形部
分空間をＬとする（ＳＴ２９）。線形部分空間Ｌは式２
で表される。一方、被検査ウェハのパターンを同様にｎ
次元ベクトルで表し、テストパターンベクトルＸを得
る。ここで、ＸをＬに射影し、Ｌに属するベクトルＸh
を求める。Ｘが基本パターンベクトルに類似していれば
ＸはＸi のいずれかのパターンにほぼ等しく、線形部分
空間Ｌにおおむね含まれる。従って、ＸをＬに射影した
Ｘh のノルム｜Ｘh ｜から、基本パターンベクトルとテ
ストパターンベクトルの類似度を測ることができる。
【００４７】即ち、｜Ｘh ｜が大きいほど類似度が大き
く、基本パターンベクトルとテストパターンベクトルと
が似ていることになる。このことから被検査ウェハに対
する｜Ｘh ｜を計算すれば、その値から半田の有無がわ
かる。ノルムとしては数学上のノルムの定義を満足する
ものであれば、何を用いても良く、例えばＬ２ノルム
｛（Ｘh ）T Ｘh ｝0.5 はその代表的なものである。
く、基本パターンベクトルとテストパターンベクトルと
が似ていることになる。このことから被検査ウェハに対
する｜Ｘh ｜を計算すれば、その値から半田の有無がわ
かる。ノルムとしては数学上のノルムの定義を満足する
ものであれば、何を用いても良く、例えばＬ２ノルム
｛（Ｘh ）T Ｘh ｝0.5 はその代表的なものである。
【００４８】射影として直交射影を用いた場合、Ｘの線
形部分空間Ｌに属するベクトルＸhは、以下の式で求め
られる。
形部分空間Ｌに属するベクトルＸhは、以下の式で求め
られる。
【００４９】１） 式３によってｍ個の基本パターンベ
クトルＸi （ｉ＝１，・・・，ｍ）の集合から線形部分
空間Ｌを張る直交ベクトル列Ｈi （ｉ＝１，・・・，
ｍ）を求める。 ２） テストパターンベクトルＸを線形部分空間Ｌへ直
交射影し、式６によりＸh を求める。
クトルＸi （ｉ＝１，・・・，ｍ）の集合から線形部分
空間Ｌを張る直交ベクトル列Ｈi （ｉ＝１，・・・，
ｍ）を求める。 ２） テストパターンベクトルＸを線形部分空間Ｌへ直
交射影し、式６によりＸh を求める。
【００５０】
【数４】
【００５１】ｍ’は直交ベクトル列Ｈi の個数を表す。
１）で述べたように式３の計算の途中で｜Ｈi ｜＝０に
なった場合は、ｍ’はｍより小さくなり、そうでない場
合はｍ’＝ｍとなる。 ３） ＳＴ３２におけるで処理で｜Ｘh ｜を評価して欠
陥の有無を判定する。適当なしきい値εを設定し、 ｜Ｘh ｜≦ε ：半田ありの良品（ＳＴ３４） ｜Ｘh ｜＞ε ：半田なしの不良品（ＳＴ３３） とする。
１）で述べたように式３の計算の途中で｜Ｈi ｜＝０に
なった場合は、ｍ’はｍより小さくなり、そうでない場
合はｍ’＝ｍとなる。 ３） ＳＴ３２におけるで処理で｜Ｘh ｜を評価して欠
陥の有無を判定する。適当なしきい値εを設定し、 ｜Ｘh ｜≦ε ：半田ありの良品（ＳＴ３４） ｜Ｘh ｜＞ε ：半田なしの不良品（ＳＴ３３） とする。
【００５２】以上のように、この実施例では、不良品を
基本パターンベクトルとした場合でも、位置ズレした複
数のパターンベクトルを基本パターンベクトルの集合に
含めているので、ベクトルの線形従属性の性質により位
置ズレの影響が現れず、位置ズレ許容範囲内において、
正しい認識が行なわれることがわかる。
基本パターンベクトルとした場合でも、位置ズレした複
数のパターンベクトルを基本パターンベクトルの集合に
含めているので、ベクトルの線形従属性の性質により位
置ズレの影響が現れず、位置ズレ許容範囲内において、
正しい認識が行なわれることがわかる。
【００５３】実施例５．この発明の実施例５によるパタ
ーン認識方法を例えばボルトの外観を検査する外観検査
装置について説明する。ボルトなどの外観を検査する場
合、ボルトは一定の方向を向いているとは限らない。こ
の実施例は、検査対象物の向きが一定していない場合の
パターン認識方法に関するものである。
ーン認識方法を例えばボルトの外観を検査する外観検査
装置について説明する。ボルトなどの外観を検査する場
合、ボルトは一定の方向を向いているとは限らない。こ
の実施例は、検査対象物の向きが一定していない場合の
パターン認識方法に関するものである。
【００５４】図１６は実施例５による検査装置を示すブ
ロック図である。図において、１７は基本パターンベク
トルを作成するための良品のボルト、１８は検査対象で
ある被検査ボルト、５はボルト１７，１８の画像を取り
込むＣＣＤカメラ、６はＣＣＤカメラ５で取り込まれた
画像をモニタするためのディスプレイ、７はＣＣＤカメ
ラ５で取り込まれた画像をディジタル化する画像入力装
置、１９は画像入力装置７でディジタル化された画像か
ら個々のボルトを探し、ボルトの重心が指定された位置
に来るように画像を並進移動させる画像シフタ、８はそ
の画像データを格納するフレームメモリ、９はフレーム
メモリ８の画像データを用いて後述するパターン認識方
法の手順により良品ボルト１のパターンと被検査ボルト
２のパターンの類似度を計算するＣＰＵ、１０は計算プ
ログラムや途中結果を格納するメモリ、１１は検査結果
を表示する表示装置である。
ロック図である。図において、１７は基本パターンベク
トルを作成するための良品のボルト、１８は検査対象で
ある被検査ボルト、５はボルト１７，１８の画像を取り
込むＣＣＤカメラ、６はＣＣＤカメラ５で取り込まれた
画像をモニタするためのディスプレイ、７はＣＣＤカメ
ラ５で取り込まれた画像をディジタル化する画像入力装
置、１９は画像入力装置７でディジタル化された画像か
ら個々のボルトを探し、ボルトの重心が指定された位置
に来るように画像を並進移動させる画像シフタ、８はそ
の画像データを格納するフレームメモリ、９はフレーム
メモリ８の画像データを用いて後述するパターン認識方
法の手順により良品ボルト１のパターンと被検査ボルト
２のパターンの類似度を計算するＣＰＵ、１０は計算プ
ログラムや途中結果を格納するメモリ、１１は検査結果
を表示する表示装置である。
【００５５】以下、この実施例の動作について説明す
る。図１７はこの実施例における処理を示すフローチャ
ートである。まず、良品ボルト１７の画像データを画像
シフタ１９に通し、その重心を指定された位置に合わせ
る（ＳＴ３６）。さらに、このデータを基本パターンベ
クトルとし、実施例１と同様にして基本パターンベクト
ルの集合を求める（ＳＴ３７）。次にこの基本パターン
ベクトルの集合から式３によって線形部分空間Ｌを求め
る（ＳＴ３８）。
る。図１７はこの実施例における処理を示すフローチャ
ートである。まず、良品ボルト１７の画像データを画像
シフタ１９に通し、その重心を指定された位置に合わせ
る（ＳＴ３６）。さらに、このデータを基本パターンベ
クトルとし、実施例１と同様にして基本パターンベクト
ルの集合を求める（ＳＴ３７）。次にこの基本パターン
ベクトルの集合から式３によって線形部分空間Ｌを求め
る（ＳＴ３８）。
【００５６】ＳＴ３９では、被検査ボルト１８の画像を
入力し、画像シフタ１９でその重心を指定された位置に
合わせ、実施例４と同様に良品ボルト１７のパターンと
被検査ボルト１８のパターンの類似度を式６で計算する
（ＳＴ４０）。この結果をしきい値と比較する（ＳＴ４
１）。類似度がしきい値よりも小さければ不良ボルトと
判断し（ＳＴ４２）、しきい値よりも大きければ良品ボ
ルトと判断する（ＳＴ４３）。この判断結果を表示装置
１１に表示する。この動作をすべての被検査ボルト１８
の検査が終わるまで続ける（ＳＴ４４）。
入力し、画像シフタ１９でその重心を指定された位置に
合わせ、実施例４と同様に良品ボルト１７のパターンと
被検査ボルト１８のパターンの類似度を式６で計算する
（ＳＴ４０）。この結果をしきい値と比較する（ＳＴ４
１）。類似度がしきい値よりも小さければ不良ボルトと
判断し（ＳＴ４２）、しきい値よりも大きければ良品ボ
ルトと判断する（ＳＴ４３）。この判断結果を表示装置
１１に表示する。この動作をすべての被検査ボルト１８
の検査が終わるまで続ける（ＳＴ４４）。
【００５７】以下に、メモリ１０に格納されているプロ
グラムで行うパターン認識方法について説明する。図１
８のパターンを例に取って基本パターンベクトルとそれ
を回転した複数のパターンベクトルについて説明する。
この例では回転によるパターンのズレを許容するよう
に、基準位置の基本パターンベクトル（ａ）と、それを
９０度毎に回転した３個のパターンベクトル｛（ｂ）〜
（ｄ）｝を用いる。これらのパターンは６×６画素で構
成されており、これら３６画素の輝度値を１列に並べた
３６次元ベクトルをパターンベクトルとし、基本パター
ンベクトルの集合とする。一方、被検査ボルトの画像も
３６次元のテストパターンベクトルとする。
グラムで行うパターン認識方法について説明する。図１
８のパターンを例に取って基本パターンベクトルとそれ
を回転した複数のパターンベクトルについて説明する。
この例では回転によるパターンのズレを許容するよう
に、基準位置の基本パターンベクトル（ａ）と、それを
９０度毎に回転した３個のパターンベクトル｛（ｂ）〜
（ｄ）｝を用いる。これらのパターンは６×６画素で構
成されており、これら３６画素の輝度値を１列に並べた
３６次元ベクトルをパターンベクトルとし、基本パター
ンベクトルの集合とする。一方、被検査ボルトの画像も
３６次元のテストパターンベクトルとする。
【００５８】これらのパターンベクトルから実施例４で
述べた方法により｜Ｘh ｜を求めれば、回転によるパタ
ーンのズレの影響を受けること無く、類似度が求められ
るので、任意の方向を向いたボルトの欠陥検査を行うこ
とができる。
述べた方法により｜Ｘh ｜を求めれば、回転によるパタ
ーンのズレの影響を受けること無く、類似度が求められ
るので、任意の方向を向いたボルトの欠陥検査を行うこ
とができる。
【００５９】
【発明の効果】以上のように、請求項１の発明によれ
ば、基本パターンベクトルとそれを移動して得られる複
数のパターンベクトルで張られる線形部分空間へテスト
パターンベクトルを射影し、その結果得られた線形部分
空間の補空間に含まれるベクトルのノルムを用いて、基
本パターンベクトルとテストパターンベクトルの類似度
を測ることにより、パターンの位置ズレに影響されずに
パターン認識できるパターン認識方法を得ることができ
る効果がある。
ば、基本パターンベクトルとそれを移動して得られる複
数のパターンベクトルで張られる線形部分空間へテスト
パターンベクトルを射影し、その結果得られた線形部分
空間の補空間に含まれるベクトルのノルムを用いて、基
本パターンベクトルとテストパターンベクトルの類似度
を測ることにより、パターンの位置ズレに影響されずに
パターン認識できるパターン認識方法を得ることができ
る効果がある。
【００６０】また、請求項２の発明によれば、請求項１
において、線形部分空間を張るパターンベクトルの数を
パターンベクトルの次元よりも小さくすることにより、
パターンの位置ズレに影響されずに精度よくパターン認
識できるパターン認識方法を得ることができる効果があ
る。
において、線形部分空間を張るパターンベクトルの数を
パターンベクトルの次元よりも小さくすることにより、
パターンの位置ズレに影響されずに精度よくパターン認
識できるパターン認識方法を得ることができる効果があ
る。
【００６１】また、請求項３の発明によれば、請求項１
において、パターンベクトルの次元を変化させることに
より、類似度の検出感度を可変にできるパターン認識方
法を得ることができる効果がある。
において、パターンベクトルの次元を変化させることに
より、類似度の検出感度を可変にできるパターン認識方
法を得ることができる効果がある。
【００６２】また、請求項４の発明によれば、請求項１
において、座標が数値データで表される図形を前処理し
て画像に変換し、これをパターンベクトルとして用いる
ことにより、座標値など直接比較が困難な対象に対して
も、パターン認識できるパターン認識方法を得ることが
できる効果がある。
において、座標が数値データで表される図形を前処理し
て画像に変換し、これをパターンベクトルとして用いる
ことにより、座標値など直接比較が困難な対象に対して
も、パターン認識できるパターン認識方法を得ることが
できる効果がある。
【００６３】また、請求項５の発明によれば、請求項１
において、パターンベクトルを正規化フィルタに通し、
これを新たなパターンベクトルとして用いることによ
り、照明光の変動の影響を受けること無くパターン認識
できるパターン認識方法を得ることができる効果があ
る。
において、パターンベクトルを正規化フィルタに通し、
これを新たなパターンベクトルとして用いることによ
り、照明光の変動の影響を受けること無くパターン認識
できるパターン認識方法を得ることができる効果があ
る。
【００６４】また、請求項６の発明によれば、基本パタ
ーンベクトルとそれを移動して得られる複数のパターン
ベクトルで張られる線形部分空間へテストパターンベク
トルを射影し、その結果得られた線形部分空間に含まれ
るベクトルのノルムを用いて、基本パターンベクトルと
テストパターンベクトルの類似度を測ることにより、パ
ターンの位置ズレに影響されずにパターン認識できるパ
ターン認識方法を得ることができる効果がある。
ーンベクトルとそれを移動して得られる複数のパターン
ベクトルで張られる線形部分空間へテストパターンベク
トルを射影し、その結果得られた線形部分空間に含まれ
るベクトルのノルムを用いて、基本パターンベクトルと
テストパターンベクトルの類似度を測ることにより、パ
ターンの位置ズレに影響されずにパターン認識できるパ
ターン認識方法を得ることができる効果がある。
【００６５】また、請求項７の発明によれば、基本パタ
ーンベクトルとそれを回転して得られる複数のパターン
ベクトルで張られる線形部分空間へ画像シフタを通した
テストパターンベクトルを射影し、その結果得られた線
形部分空間に含まれるベクトルのノルムを用いて、基本
パターンベクトルとテストパターンベクトルの類似度を
測ることにより、基本パターンベクトルの移動や回転に
よるズレに影響されずに、パターン認識できるパターン
認識方法を得ることができる効果がある。
ーンベクトルとそれを回転して得られる複数のパターン
ベクトルで張られる線形部分空間へ画像シフタを通した
テストパターンベクトルを射影し、その結果得られた線
形部分空間に含まれるベクトルのノルムを用いて、基本
パターンベクトルとテストパターンベクトルの類似度を
測ることにより、基本パターンベクトルの移動や回転に
よるズレに影響されずに、パターン認識できるパターン
認識方法を得ることができる効果がある。
【図１】この発明の実施例１によるパターン認識方法を
用いたウェハ欠陥検査装置を示すブロック図である。
用いたウェハ欠陥検査装置を示すブロック図である。
【図２】実施例１に係る処理を示すフローチャートであ
る。
る。
【図３】実施例１に係る基本パターンベクトルを示す説
明図である。
明図である。
【図４】実施例１に係る画像からパターンベクトルへの
変換方法を示す説明図である。
変換方法を示す説明図である。
【図５】実施例１に係るウェハパターンのサンプルを示
す説明図である。
す説明図である。
【図６】実施例１に係る欠陥の程度に対する類似度の変
化を示すグラフである。
化を示すグラフである。
【図７】実施例１に係る位置ズレに対する類似度の変化
を示す斜視図である。
を示す斜視図である。
【図８】実施例１に係る位置ズレに対する類似度の変化
を示すグラフである。
を示すグラフである。
【図９】この発明の実施例３によるパターン認識方法を
用いたＣＡＤデータ照査システムを示すブロック図であ
る。
用いたＣＡＤデータ照査システムを示すブロック図であ
る。
【図１０】実施例３に係るＣＡＤデータを示す説明図で
ある。
ある。
【図１１】実施例３に係る処理を示すフローチャートで
ある。
ある。
【図１２】実施例３に係る最小座標分解能１の画像デー
タを示す説明図である。
タを示す説明図である。
【図１３】実施例３に係る最小座標分解能Ｏ．５の画像
データを示す説明図である。
データを示す説明図である。
【図１４】この発明の実施例４によるパターン認識方法
を用いた半田の検査装置を示すブロック図である。
を用いた半田の検査装置を示すブロック図である。
【図１５】実施例４に係る処理を示すフローチャートで
ある。
ある。
【図１６】この発明の実施例５によるパターン認識方法
を用いたボルト検査装置を示すブロック図である。
を用いたボルト検査装置を示すブロック図である。
【図１７】実施例５に係る処理を示すフローチャートで
ある。
ある。
【図１８】実施例５に係る回転する基本パターンベクト
ルを示す説明図である。
ルを示す説明図である。
【図１９】従来のパターン認識方法を用いたウェハ表面
欠陥検査装置を示すブロック図である。
欠陥検査装置を示すブロック図である。
【図２０】従来のパターン認識方法の処理を示すフロー
チャートである。
チャートである。
３ 移動機構 ４ 顕微鏡 ５ ＣＣＤカメラ ６ ディスプレイ ７ 画像入力装置 ８ フレームメモリ ９ ＣＰＵ １０ メモリ １１ 表示装置 １４ 画像変換装置 １９ 画像シフタ
─────────────────────────────────────────────────────
【手続補正書】
【提出日】平成５年８月１７日
【手続補正１】
【補正対象書類名】明細書
【補正対象項目名】０００５
【補正方法】変更
【補正内容】
【０００５】この発明は上記のような問題点を解消する
ためになされたもので、パターンのズレや照明光の変動
に影響されず、微細なパターンに対しても精度よく認識
結果を得ることができるパターン認識方法を得ることを
目的としている。また、パターン中の欠陥の検出感度を
可変にできるパターン認識方法を得ることを目的として
いる。また、最小座標分解能が異なるＣＡＤデータ間の
比較のように、直接比較できない数値で表現された対象
に対してもパターンの類似度を求めることができるパタ
ーン認識方法を得ることを目的としている。さらに、移
動によるズレのみでなく、パターンの回転によるズレに
も影響されることなく類似度を求めることができるパタ
ーン認識方法を得ることを目的としている。
ためになされたもので、パターンのズレや照明光の変動
に影響されず、微細なパターンに対しても精度よく認識
結果を得ることができるパターン認識方法を得ることを
目的としている。また、パターン中の欠陥の検出感度を
可変にできるパターン認識方法を得ることを目的として
いる。また、最小座標分解能が異なるＣＡＤデータ間の
比較のように、直接比較できない数値で表現された対象
に対してもパターンの類似度を求めることができるパタ
ーン認識方法を得ることを目的としている。さらに、移
動によるズレのみでなく、パターンの回転によるズレに
も影響されることなく類似度を求めることができるパタ
ーン認識方法を得ることを目的としている。
【手続補正２】
【補正対象書類名】明細書
【補正対象項目名】０００６
【補正方法】変更
【補正内容】
【０００６】
【課題を解決するための手段】請求項１の発明に係わる
パターン認識方法は、基本パターンベクトルとそれを移
動して得られる複数のパターンベクトルで張られる線形
部分空間へテストパターンベクトルを射影し、その結果
得られた線形部分空間の補空間に含まれるベクトルのノ
ルムを用いて、基本パターンベクトルとテストパターン
ベクトルの類似度を測ることを特徴とするものである。
パターン認識方法は、基本パターンベクトルとそれを移
動して得られる複数のパターンベクトルで張られる線形
部分空間へテストパターンベクトルを射影し、その結果
得られた線形部分空間の補空間に含まれるベクトルのノ
ルムを用いて、基本パターンベクトルとテストパターン
ベクトルの類似度を測ることを特徴とするものである。
【手続補正３】
【補正対象書類名】図面
【補正対象項目名】図２
【補正方法】変更
【補正内容】
【図２】
【手続補正４】
【補正対象書類名】図面
【補正対象項目名】図１１
【補正方法】変更
【補正内容】
【図１１】
【手続補正５】
【補正対象書類名】図面
【補正対象項目名】図１５
【補正方法】変更
【補正内容】
【図１５】
【手続補正６】
【補正対象書類名】図面
【補正対象項目名】図１７
【補正方法】変更
【補正内容】
【図１７】
Claims (7)
- 【請求項１】 基本パターンベクトルとそれを移動して
得られる複数のパターンベクトルで張られる線形部分空
間へテストパターンベクトルを射影し、その結果得られ
た線形部分空間の補空間に含まれるベクトルのノルムを
用いて、上記基本パターンベクトルと上記テストパター
ンベクトルの類似度を測ることを特徴とするパターン認
識方法。 - 【請求項２】 請求項１において、線形部分空間を張る
パターンベクトルの数をパターンベクトルの次元よりも
小さくすることを特徴とするパターン認識方法。 - 【請求項３】 請求項１において、パターンベクトルの
次元を変化させることにより、類似度の検出感度を可変
にしたことを特徴とするパターン認識方法。 - 【請求項４】 請求項１において、座標が数値データで
表される図形を前処理して画像に変換し、これをパター
ンベクトルとして用いることを特徴とするパターン認識
方法。 - 【請求項５】 請求項１において、パターンベクトルを
正規化フィルタに通し、これを新たなパターンベクトル
として用いることを特徴とするパターン認識方法。 - 【請求項６】 基本パターンベクトルとそれを移動して
得られる複数のパターンベクトルで張られる線形部分空
間へテストパターンベクトルを射影し、その結果得られ
た線形部分空間に含まれるベクトルのノルムを用いて、
上記基本パターンベクトルと上記テストパターンベクト
ルの類似度を測ることを特徴とするパターン認識方法。 - 【請求項７】 基本パターンベクトルとそれを回転して
得られる複数のパターンベクトルで張られる線形部分空
間へ画像シフタを通したテストパターンベクトルを射影
し、その結果得られた線形部分空間に含まれるベクトル
のノルムを用いて、上記基本パターンベクトルと上記テ
ストパターンベクトルの類似度を測ることを特徴とする
パターン認識方法。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5114807A JPH06325181A (ja) | 1993-05-17 | 1993-05-17 | パターン認識方法 |
| US08/237,138 US5568563A (en) | 1993-05-17 | 1994-05-03 | Method and apparatus of pattern recognition |
| DE4416801A DE4416801C2 (de) | 1993-05-17 | 1994-05-11 | Verfahren zur Mustererkennung |
| FR9405907A FR2705479B1 (fr) | 1993-05-17 | 1994-05-13 | Procédé et appareil de reconnaissance de formes. |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5114807A JPH06325181A (ja) | 1993-05-17 | 1993-05-17 | パターン認識方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06325181A true JPH06325181A (ja) | 1994-11-25 |
Family
ID=14647186
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5114807A Pending JPH06325181A (ja) | 1993-05-17 | 1993-05-17 | パターン認識方法 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US5568563A (ja) |
| JP (1) | JPH06325181A (ja) |
| DE (1) | DE4416801C2 (ja) |
| FR (1) | FR2705479B1 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005250863A (ja) * | 2004-03-04 | 2005-09-15 | Univ Waseda | 領域検出方法およびそのシステム |
| JP2019091249A (ja) * | 2017-11-15 | 2019-06-13 | オムロン株式会社 | 欠陥検査装置、欠陥検査方法、及びそのプログラム |
Families Citing this family (70)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6067379A (en) | 1988-12-09 | 2000-05-23 | Cognex Corporation | Method and apparatus for locating patterns in an optical image |
| US6026176A (en) | 1995-07-25 | 2000-02-15 | Cognex Corporation | Machine vision methods and articles of manufacture for ball grid array inspection |
| US5872870A (en) | 1996-02-16 | 1999-02-16 | Cognex Corporation | Machine vision methods for identifying extrema of objects in rotated reference frames |
| US5909504A (en) | 1996-03-15 | 1999-06-01 | Cognex Corporation | Method of testing a machine vision inspection system |
| US6259827B1 (en) | 1996-03-21 | 2001-07-10 | Cognex Corporation | Machine vision methods for enhancing the contrast between an object and its background using multiple on-axis images |
| US5949901A (en) * | 1996-03-21 | 1999-09-07 | Nichani; Sanjay | Semiconductor device image inspection utilizing image subtraction and threshold imaging |
| US6298149B1 (en) | 1996-03-21 | 2001-10-02 | Cognex Corporation | Semiconductor device image inspection with contrast enhancement |
| US5978502A (en) | 1996-04-01 | 1999-11-02 | Cognex Corporation | Machine vision methods for determining characteristics of three-dimensional objects |
| JPH10105707A (ja) * | 1996-09-25 | 1998-04-24 | Sony Corp | 画像照合装置 |
| US6137893A (en) | 1996-10-07 | 2000-10-24 | Cognex Corporation | Machine vision calibration targets and methods of determining their location and orientation in an image |
| US5960125A (en) | 1996-11-21 | 1999-09-28 | Cognex Corporation | Nonfeedback-based machine vision method for determining a calibration relationship between a camera and a moveable object |
| US5953130A (en) | 1997-01-06 | 1999-09-14 | Cognex Corporation | Machine vision methods and apparatus for machine vision illumination of an object |
| US6587581B1 (en) * | 1997-01-10 | 2003-07-01 | Hitachi, Ltd. | Visual inspection method and apparatus therefor |
| US6075881A (en) | 1997-03-18 | 2000-06-13 | Cognex Corporation | Machine vision methods for identifying collinear sets of points from an image |
| US5974169A (en) | 1997-03-20 | 1999-10-26 | Cognex Corporation | Machine vision methods for determining characteristics of an object using boundary points and bounding regions |
| US6141033A (en) | 1997-05-15 | 2000-10-31 | Cognex Corporation | Bandwidth reduction of multichannel images for machine vision |
| US6608647B1 (en) | 1997-06-24 | 2003-08-19 | Cognex Corporation | Methods and apparatus for charge coupled device image acquisition with independent integration and readout |
| US6895109B1 (en) * | 1997-09-04 | 2005-05-17 | Texas Instruments Incorporated | Apparatus and method for automatically detecting defects on silicon dies on silicon wafers |
| US5978080A (en) | 1997-09-25 | 1999-11-02 | Cognex Corporation | Machine vision methods using feedback to determine an orientation, pixel width and pixel height of a field of view |
| US6556703B1 (en) * | 1997-10-24 | 2003-04-29 | Agere Systems Inc. | Scanning electron microscope system and method of manufacturing an integrated circuit |
| US6185316B1 (en) | 1997-11-12 | 2001-02-06 | Unisys Corporation | Self-authentication apparatus and method |
| US6025854A (en) | 1997-12-31 | 2000-02-15 | Cognex Corporation | Method and apparatus for high speed image acquisition |
| DE19802781A1 (de) * | 1998-01-26 | 1999-07-29 | Peter L Prof Dr Andresen | Schnelle Identifizierung von wertvollen Objekten durch digitale Bildanalytik |
| US6282328B1 (en) | 1998-01-28 | 2001-08-28 | Cognex Corporation | Machine vision systems and methods for morphological transformation of an image with non-uniform offsets |
| US6236769B1 (en) | 1998-01-28 | 2001-05-22 | Cognex Corporation | Machine vision systems and methods for morphological transformation of an image with zero or other uniform offsets |
| US6215915B1 (en) | 1998-02-20 | 2001-04-10 | Cognex Corporation | Image processing methods and apparatus for separable, general affine transformation of an image |
| US6381375B1 (en) | 1998-02-20 | 2002-04-30 | Cognex Corporation | Methods and apparatus for generating a projection of an image |
| US6366688B1 (en) | 1998-06-13 | 2002-04-02 | Samsung Electronics Co., Ltd. | Apparatus and method for contact failure inspection in semiconductor devices |
| TW402769B (en) * | 1998-06-13 | 2000-08-21 | Samsung Electronics Co Ltd | Apparatus and method for contact failure inspection in semiconductor devices |
| US6154567A (en) * | 1998-07-01 | 2000-11-28 | Cognex Corporation | Pattern similarity metric for image search, registration, and comparison |
| US7016539B1 (en) | 1998-07-13 | 2006-03-21 | Cognex Corporation | Method for fast, robust, multi-dimensional pattern recognition |
| US6608920B1 (en) * | 1998-10-29 | 2003-08-19 | Applied Materials, Inc. | Target acquisition technique for CD measurement machine |
| US6687402B1 (en) | 1998-12-18 | 2004-02-03 | Cognex Corporation | Machine vision methods and systems for boundary feature comparison of patterns and images |
| US6381366B1 (en) | 1998-12-18 | 2002-04-30 | Cognex Corporation | Machine vision methods and system for boundary point-based comparison of patterns and images |
| US6577757B1 (en) * | 1999-07-28 | 2003-06-10 | Intelligent Reasoning Systems, Inc. | System and method for dynamic image recognition |
| US6614924B1 (en) * | 1999-08-02 | 2003-09-02 | Applied Materials, Inc. | Adaptive mask technique for defect inspection |
| US6912304B1 (en) * | 1999-08-02 | 2005-06-28 | Applied Materials, Inc. | Two-dimensional scatter plot technique for defect inspection |
| US6522776B1 (en) * | 1999-08-17 | 2003-02-18 | Advanced Micro Devices, Inc. | Method for automated determination of reticle tilt in a lithographic system |
| JP3813772B2 (ja) * | 1999-09-27 | 2006-08-23 | 株式会社ルネサステクノロジ | 半導体装置の製造方法 |
| DE19951078C2 (de) * | 1999-10-23 | 2002-10-24 | Cortologic Ag | Verfahren zur Musterklassifizierung |
| US6684402B1 (en) | 1999-12-01 | 2004-01-27 | Cognex Technology And Investment Corporation | Control methods and apparatus for coupling multiple image acquisition devices to a digital data processor |
| US6941007B1 (en) | 2000-01-28 | 2005-09-06 | Micron Technology, Inc. | Pattern recognition with the use of multiple images |
| US6748104B1 (en) | 2000-03-24 | 2004-06-08 | Cognex Corporation | Methods and apparatus for machine vision inspection using single and multiple templates or patterns |
| JP2001331784A (ja) * | 2000-05-18 | 2001-11-30 | Hitachi Ltd | 欠陥分類方法及びその装置 |
| JP4176977B2 (ja) * | 2000-09-28 | 2008-11-05 | 矢崎総業株式会社 | 端子金具の検査装置 |
| WO2002045323A2 (en) * | 2000-12-01 | 2002-06-06 | Sri International | Data relationship model |
| US7006669B1 (en) | 2000-12-31 | 2006-02-28 | Cognex Corporation | Machine vision method and apparatus for thresholding images of non-uniform materials |
| US6959112B1 (en) | 2001-06-29 | 2005-10-25 | Cognex Technology And Investment Corporation | Method for finding a pattern which may fall partially outside an image |
| US6763142B2 (en) * | 2001-09-07 | 2004-07-13 | Nline Corporation | System and method for correlated noise removal in complex imaging systems |
| JP3828552B2 (ja) * | 2003-06-23 | 2006-10-04 | 株式会社東芝 | 寸法測定方法と寸法測定システム及び寸法測定プログラム |
| US8081820B2 (en) | 2003-07-22 | 2011-12-20 | Cognex Technology And Investment Corporation | Method for partitioning a pattern into optimized sub-patterns |
| US7613316B2 (en) * | 2003-07-22 | 2009-11-03 | L-3 Communications Security and Detection Systems Inc. | Methods and apparatus for detecting objects in baggage |
| US7190834B2 (en) | 2003-07-22 | 2007-03-13 | Cognex Technology And Investment Corporation | Methods for finding and characterizing a deformed pattern in an image |
| US6986112B2 (en) * | 2003-07-28 | 2006-01-10 | Lsi Logic Corporation | Method of mapping logic failures in an integrated circuit die |
| US6865435B1 (en) * | 2003-09-08 | 2005-03-08 | Lsi Logic Corporation | Method of translating a net description of an integrated circuit die |
| US7243165B2 (en) * | 2004-01-14 | 2007-07-10 | International Business Machines Corporation | Parallel pattern detection engine |
| US8437502B1 (en) | 2004-09-25 | 2013-05-07 | Cognex Technology And Investment Corporation | General pose refinement and tracking tool |
| US20060147707A1 (en) * | 2004-12-30 | 2006-07-06 | Jian Meng | Compacted, chopped fiber glass strands |
| US7639861B2 (en) | 2005-09-14 | 2009-12-29 | Cognex Technology And Investment Corporation | Method and apparatus for backlighting a wafer during alignment |
| US8111904B2 (en) | 2005-10-07 | 2012-02-07 | Cognex Technology And Investment Corp. | Methods and apparatus for practical 3D vision system |
| JP4791141B2 (ja) * | 2005-10-25 | 2011-10-12 | 株式会社日立ハイテクノロジーズ | 電子線式寸法計測装置及びそれを用いた寸法計測方法 |
| JP2007233873A (ja) * | 2006-03-02 | 2007-09-13 | Toshiba Corp | パターン認識装置及びその方法 |
| US20090306922A1 (en) * | 2006-04-27 | 2009-12-10 | Sharp Kabushiki Kaisha | Method and System for Classifying Defect Distribution, Method and System for Specifying Causative Equipment, Computer Program and Recording Medium |
| US8162584B2 (en) | 2006-08-23 | 2012-04-24 | Cognex Corporation | Method and apparatus for semiconductor wafer alignment |
| US8103085B1 (en) | 2007-09-25 | 2012-01-24 | Cognex Corporation | System and method for detecting flaws in objects using machine vision |
| CN101923123B (zh) * | 2009-06-16 | 2012-08-22 | 中芯国际集成电路制造(上海)有限公司 | 相似性检测方法和装置 |
| US9177370B2 (en) * | 2012-03-12 | 2015-11-03 | Kla-Tencor Corporation | Systems and methods of advanced site-based nanotopography for wafer surface metrology |
| US20140064596A1 (en) | 2012-08-29 | 2014-03-06 | Micron Technology, Inc. | Descriptor guided fast marching method for analyzing images and systems using the same |
| US9679224B2 (en) | 2013-06-28 | 2017-06-13 | Cognex Corporation | Semi-supervised method for training multiple pattern recognition and registration tool models |
| US10147178B2 (en) * | 2017-01-12 | 2018-12-04 | Nanya Technology Corporation | Method of recognizing wafer |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE217118C (ja) * | ||||
| US4135147A (en) * | 1976-09-10 | 1979-01-16 | Rockwell International Corporation | Minutiae pattern matcher |
| DD133870A1 (de) * | 1977-11-03 | 1979-01-24 | Burghart Fimmel | Verfahren und anordnung zur erkennung gerasterter zeichen |
| JPS6063405A (ja) * | 1983-09-16 | 1985-04-11 | Fujitsu Ltd | パタ−ン検査方法及びその装置 |
| EP0217118A3 (de) * | 1985-09-30 | 1990-03-28 | Siemens Aktiengesellschaft | Verfahren zur automatischen Trennung von Nutz- und Störinformation in Mikroskopbildern, insbesondere von Wafer-Oberflächen, zum Zwecke einer automatischen Erkennung von Wafer Kennzeichnungen |
| US5163101A (en) * | 1985-10-07 | 1992-11-10 | Schlumberger Technologies, Inc. | Bitplane area correlator |
| JPS63120382A (ja) * | 1986-11-10 | 1988-05-24 | Fuji Electric Co Ltd | 類似度演算装置 |
| JPH02170284A (ja) * | 1988-12-22 | 1990-07-02 | Seiko Epson Corp | 画像パターン差異検出装置 |
| JPH0535878A (ja) * | 1991-07-26 | 1993-02-12 | Sony Corp | ニユーラルネツトワーク |
-
1993
- 1993-05-17 JP JP5114807A patent/JPH06325181A/ja active Pending
-
1994
- 1994-05-03 US US08/237,138 patent/US5568563A/en not_active Expired - Fee Related
- 1994-05-11 DE DE4416801A patent/DE4416801C2/de not_active Expired - Fee Related
- 1994-05-13 FR FR9405907A patent/FR2705479B1/fr not_active Expired - Fee Related
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005250863A (ja) * | 2004-03-04 | 2005-09-15 | Univ Waseda | 領域検出方法およびそのシステム |
| JP2019091249A (ja) * | 2017-11-15 | 2019-06-13 | オムロン株式会社 | 欠陥検査装置、欠陥検査方法、及びそのプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| FR2705479B1 (fr) | 1995-11-24 |
| DE4416801C2 (de) | 1996-10-24 |
| US5568563A (en) | 1996-10-22 |
| DE4416801A1 (de) | 1994-12-01 |
| FR2705479A1 (fr) | 1994-11-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5568563A (en) | Method and apparatus of pattern recognition | |
| US20230419472A1 (en) | Defect detection method, device and system | |
| KR100954703B1 (ko) | 결함을 검출하는 방법 및 시스템 | |
| US7333677B2 (en) | Image alignment method, comparative inspection method, and comparative inspection device for comparative inspections | |
| EP2264671B1 (en) | Image processing apparatus and method, medium storing program for image processing, and inspection apparatus | |
| JPH0160767B2 (ja) | ||
| JPS60215286A (ja) | 対象物における面模様をオプトエレクトロニクス検査する方法とその装置 | |
| JPWO1999052072A1 (ja) | 画像処理装置および方法、画像処理のためのプログラムを記憶した媒体、ならびに検査装置 | |
| Nguyen et al. | Deep learning-enhanced defects detection for printed circuit boards | |
| US7643668B2 (en) | Workpiece inspection apparatus, workpiece inspection method and computer-readable recording medium storing program | |
| CN119151928A (zh) | 一种基于少样本学习的缺陷检测方法、装置、设备及介质 | |
| JP2004251781A (ja) | 画像認識による不良検査方法 | |
| JPH11306793A (ja) | 不良解析方法および装置 | |
| JP3752849B2 (ja) | パターン欠陥検査装置及びパターン欠陥検査方法 | |
| JP2004177170A (ja) | 画像認識による不良検査方法 | |
| JP4233556B2 (ja) | 画像補正装置、パターン検査装置、画像補正方法、及び、パターン検査方法 | |
| JP7475901B2 (ja) | 試験片上の欠陥検出の方法およびそのシステム | |
| JPH0210461B2 (ja) | ||
| JP2000097869A (ja) | パターンの欠陥検査方法およびその装置 | |
| JP2006113073A (ja) | パターン欠陥検査装置及びパターン欠陥検査方法 | |
| US20040228516A1 (en) | Defect detection method | |
| Wu et al. | A system for automated BGA inspection | |
| US20260120266A1 (en) | Image processing device, optical apparatus, image processing method, and method of using optical apparatus | |
| JP2001183810A (ja) | マスクパターン形状評価装置および形状評価方法並びに形状評価プログラムを記録した記録媒体 | |
| JP3043530B2 (ja) | ドットパターン検査装置 |